Deriva de conductividad
Dennis Lenz
(Imagen simbólica). Un chip memristor no procesa datos en una unidad aritmética separada, sino directamente en el campo de la memoria. Es precisamente esta estructura la que determina la rapidez con la que se puede reconstruir la superficie altamente plegada del cerebro humano. El nuevo componente tiene un ancho estructural de 40 nanómetros y requiere sólo 2,12 milisegundos para un paso de cálculo.
(Foto: © Investigación y conocimiento)
Un componente que no mantiene una resistencia estable se considera desperdicio en la producción de chips. Un grupo de investigación de Pekín ha convertido esta debilidad en la base de una arquitectura informática, acelerando así una tarea que hasta ahora los potentes procesadores gráficos no habían podido realizar. Dependiendo de la carga de trabajo, la ventaja sobre el hardware tradicional es de entre 50 y 478 veces. El factor decisivo no es tanto el número récord sino la estructura física detrás de él. Cambia el límite entre defecto y función.
En las computadoras clásicas la unidad aritmética y la memoria están estrictamente separadas. Cada número a procesar debe viajar de ida y vuelta entre las dos unidades. Este transporte cuesta tiempo y energía, y en tareas con uso intensivo de datos ha sido durante mucho tiempo el verdadero cuello de botella, no la velocidad de procesamiento en sí. Los expertos lo llaman el cuello de botella de von Neumann. Un método para solucionar este problema se llama Computación en memoria. La operación aritmética se realiza directamente donde se encuentran los datos, es decir, en el área de memoria. Esto es posible gracias a componentes cuya resistencia eléctrica se puede ajustar específicamente y que mantienen este estado incluso sin alimentación eléctrica. Este componente se llama memristor. Si se aplica tensión a una disposición de muchos memristores, las corrientes circulantes se suman automáticamente según las leyes de Kirchhoff. Una multiplicación de matrices, que un procesador convencional procesa en miles de pasos individuales, se ocupa de la física del componente en un solo paso.
La tarea en la que un sistema de este tipo debe demostrar su eficacia determina su valor práctico. La corteza cerebral humana está fuertemente plegada y comprime un área de aproximadamente 0,25 metros cuadrados en un cráneo con un volumen de aproximadamente 1,4 litros. Si desea reconstruir la geometría real de este pliegue a partir de imágenes de cortes obtenidas mediante un tomógrafo de resonancia magnética, debe calcular millones de puntos de datos para crear una superficie cerrada. Los métodos clásicos describen esta deformación mediante ecuaciones diferenciales, que se resuelven paso a paso. Cada paso depende del anterior, lo que dificulta el cálculo paralelo. En hardware convencional, dicha reconstrucción lleva de minutos a horas, dependiendo de la resolución. Esto es demasiado lento para el quirófano, donde el tejido se desplaza durante el procedimiento. También se conocen exigencias similares en tiempo real en sistemas que deben leer y procesar inmediatamente la actividad neuronal, por ejemplo en las interfaces cerebro-computadora, donde cualquier retraso empeora significativamente el control.
Cuando la propia memoria se convierte en un dispositivo informático
El equipo de Yang Yuchao del Departamento de Circuitos Integrados de la Universidad de Pekín, junto con el grupo de Song Zhitang del Instituto de Microsistemas y Tecnología de la Información de Shanghai de la Academia de Ciencias de China, han construido un chip que realiza esta reconstrucción directamente en la memoria. Los hallazgos aparecieron en un estudio científico revisado por pares en el que el sistema se describe como un sistema dinámico neuronal, es decir, como una combinación de una red neuronal y una ecuación diferencial. El componente se fabrica mediante un proceso de 40 nanómetros, tiene una frecuencia de reloj de 50 megahercios y requiere 2,12 milisegundos para un solo paso de cálculo. Completa la reconstrucción completa de una superficie cortical al cabo de 426 milisegundos, es decir, en menos de medio segundo. Esto significa que por primera vez caemos por debajo del límite de latencia de diez milisegundos por paso, que se considera el umbral para un verdadero procesamiento en tiempo real.
Un error de componente se convierte en un principio de cálculo
El verdadero quid de la cuestión está en la elección del material. Las células de memoria están hechas de material de cambio de fase que puede alternarse entre un estado cristalino ordenado y uno amorfo desordenado. Ambos estados difieren mucho en la resistencia eléctrica. Sin embargo, estas células tienen una propiedad desagradable: la parte amorfa se reorganiza lentamente después de escribir, lo que hace que la resistencia aumente en el transcurso de segundos y minutos. Esta deriva de conductividad se considera un error en la tecnología de almacenamiento porque los valores almacenados se escapan. El equipo no lo consideró un desorden, sino un cálculo. La deriva sigue un curso temporal que matemáticamente corresponde exactamente al tipo de cambio continuo de estado que describe una ecuación diferencial. En lugar de simular este cambio numéricamente, el chip permite que el material lo haga realidad físicamente. El tiempo mismo se convierte en una unidad de cálculo. Enfoques similares también se están aplicando a la nanoelectrónica similar al cerebro, donde la detección, el procesamiento y el almacenamiento coinciden en el mismo lugar.
¿Qué significa realmente el número 478?
Un chip neuromórfico de este tipo no reemplaza a un procesador gráfico y la ventaja mencionada anteriormente requiere clasificación. El hardware de comparación, una Nvidia A100, llegó al mercado en 2020 y está dos generaciones por detrás de los aceleradores actuales. El valor de 478 es también el mejor caso de un rango que comienza en 50. Esta distribución muestra en qué medida el resultado depende de la carga de trabajo específica. Es el punto de referencia del equipo en una tarea única y muy limitada, no un resultado general verificado de forma independiente. El chip es un acelerador y un modelo de laboratorio para tareas específicas, no un producto listo para el mercado. Por tanto, la latencia absoluta es científicamente más fiable que el factor de multiplicación. Decide si un procedimiento puede utilizarse en la práctica clínica y no depende de qué GPU se utilice para comparar.
Porque esto va más allá de la neurocirugía
Yang cita tres áreas de aplicación que se derivan de la baja latencia. En la neuronavegación intraoperatoria, los cirujanos podrían trabajar con un modelo continuamente actualizado de la estructura cerebral del individuo durante un procedimiento en lugar de depender de grabaciones preoperatorias. En el diagnóstico precoz de enfermedades neurodegenerativas como el Alzheimer y el Parkinson, se pueden evaluar más rápidamente cambios sutiles en la geometría de los pliegues. A largo plazo, los autores hablan de gemelos digitales personalizados del cerebro que replican dinámicamente la condición de un paciente. El camino para llegar allí es largo, porque la estandarización, la estabilidad a largo plazo y la validación clínica se encuentran entre una muestra de laboratorio y un dispositivo médico aprobado. El aspecto metodológico sigue siendo notable: mientras que otros grupos trabajan con células cerebrales en un chip, este enfoque no requiere biología y sólo utiliza la física del material para ponerse al día con el modelo.
Science, un sistema dinámico neuronal de menos de 10 milisegundos basado en memristor de cambio de fase; doi:10.1126/ciencia.aee6277
La mayoría de los viajes de camiones a Alemania pueden realizarse eléctricamente
El recubrimiento hace que los módulos solares en los desiertos
La casa de madera más alta del mundo está en construcción en los Estados Unidos.
SUVS & CO. – El capó se está volviendo más alto y, por lo tanto, pone en peligro a los peatones