Red neuronal física - Physical neural network

Una red neuronal física es un tipo de red neuronal artificial en la que se utiliza un material eléctricamente ajustable para emular la función de una sinapsis neuronal . La red neuronal "física" se utiliza para enfatizar la dependencia del hardware físico utilizado para emular neuronas en contraposición a los enfoques basados ​​en software. De manera más general, el término es aplicable a otras redes neuronales artificiales en las que se usa un memristor u otro material de resistencia eléctricamente ajustable para emular una sinapsis neuronal.

Tipos de redes neuronales físicas

ADALINA

En la década de 1960, Bernard Widrow y Ted Hoff desarrollaron ADALINE (Adaptive Linear Neuron) que utilizaba células electroquímicas llamadas memistores (resistencias de memoria) para emular las sinapsis de una neurona artificial. Los memistores se implementaron como dispositivos de 3 terminales que operan en base a la galvanoplastia reversible de cobre, de manera que la resistencia entre dos de los terminales está controlada por la integral de la corriente aplicada a través del tercer terminal. La circuitería ADALINE fue comercializada brevemente por Memistor Corporation en la década de 1960 permitiendo algunas aplicaciones en el reconocimiento de patrones. Sin embargo, dado que los memistores no se fabricaron utilizando técnicas de fabricación de circuitos integrados, la tecnología no era escalable y finalmente se abandonó a medida que la electrónica de estado sólido maduraba.

VLSI analógico

En 1989, Carver Mead publicó su libro Analog VLSI and Neural Systems , que derivó quizás de la variante más común de redes neuronales analógicas. La realización física se implementa en VLSI analógico . Esto a menudo se implementa como transistores de efecto de campo en baja inversión. Estos dispositivos pueden modelarse como circuitos translineales . Esta es una técnica descrita por Barrie Gilbert en varios artículos alrededor de mediados de 1970, y en particular en sus circuitos translineales de 1981. Con este método, los circuitos se pueden analizar como un conjunto de funciones bien definidas en estado estacionario, y tales circuitos ensamblados en complejos redes.

Red neuronal física

Alex Nugent describe una red neuronal física como uno o más nodos similares a neuronas no lineales que se utilizan para sumar señales y nanoconexiones formadas a partir de nanopartículas, nanocables o nanotubos que determinan la entrada de fuerza de la señal a los nodos. La alineación o autoensamblaje de las nanoconexiones está determinada por la historia del campo eléctrico aplicado que realiza una función análoga a las sinapsis neuronales. Son posibles numerosas aplicaciones para tales redes neuronales físicas. Por ejemplo, un dispositivo de suma temporal puede estar compuesto por una o más nanoconexiones que tienen una entrada y una salida de las mismas, en donde una señal de entrada proporcionada a la entrada hace que una o más de las nanoconexiones experimenten un aumento en la fuerza de la conexión a lo largo del tiempo. Otro ejemplo de una red neuronal física se enseña en la patente de EE. UU. Número 7.039.619 titulada " Aparatos de nanotecnología utilizados que utilizan una red neuronal, una solución y una brecha de conexión", que la Oficina de Patentes y Marcas de EE. UU. Concedió a Alex Nugent el 2 de mayo de 2006. .

Una aplicación adicional de la red neural física se muestra en la Patente de Estados Unidos Nº 7.412.428 titulada "Aplicación de Hebb aprendizaje y anti-Hebb a las redes neuronales físicos basados en la nanotecnología,", concedida el 12 de agosto de 2008.

Nugent y Molter han demostrado que la computación universal y el aprendizaje automático de propósito general son posibles a partir de operaciones disponibles a través de circuitos memristivos simples que operan la regla de plasticidad AHaH. Más recientemente, se ha argumentado que también las redes complejas de circuitos puramente memristivos pueden servir como redes neuronales.

Red neuronal de cambio de fase

En 2002, Stanford Ovshinsky describió un medio de computación neuronal analógica en el que el material de cambio de fase tiene la capacidad de responder acumulativamente a múltiples señales de entrada. Se utiliza una alteración eléctrica de la resistencia del material de cambio de fase para controlar la ponderación de las señales de entrada.

Red neuronal memristiva

Greg Snider de HP Labs describe un sistema de computación cortical con nanodispositivos memristivos. Los memristores (resistencias de memoria) se implementan mediante materiales de película delgada en los que la resistencia se sintoniza eléctricamente mediante el transporte de iones o vacantes de oxígeno dentro de la película. El proyecto SyNAPSE de DARPA ha financiado IBM Research y HP Labs, en colaboración con el Departamento de Sistemas Cognitivos y Neurales (CNS) de la Universidad de Boston, para desarrollar arquitecturas neuromórficas que pueden estar basadas en sistemas memristivos.

Ver también

Referencias

enlaces externos