Enginyeria neuromòrfica

Àrees temàtiques de la informàtica no convencional.

L'enginyeria neuromòrfica, també coneguda com a informàtica neuromòrfica,[1][2][3] és l'ús de circuits electrònics per imitar arquitectures neurobiològiques presents al sistema nerviós.[4][5] Un ordinador/xip neuromòrfic és qualsevol dispositiu que utilitza neurones artificials físiques (fetes de silici) per fer càlculs.[6][7] En els últims temps, el terme neuromòrfic s'ha utilitzat per descriure sistemes VLSI analògics/digitals analògics, digitals, de mode mixt i programari que implementen models de sistemes neuronals (per a la percepció, el control motor o la integració multisensorial). La implementació de la computació neuromòrfica a nivell de maquinari es pot realitzar mitjançant memristors basats en òxids,[8] memòries espintròniques, interruptors de llindar, transistors,[9][7] entre d'altres. L'entrenament de sistemes neuromòrfics basats en programari de xarxes neuronals es pot aconseguir mitjançant la retropropagació d'errors, per exemple, utilitzant marcs basats en Python com snnTorch,[10] o utilitzant regles d'aprenentatge canònics de la literatura d'aprenentatge biològic, per exemple, utilitzant BindsNet.[11]

Un aspecte clau de l'enginyeria neuromòrfica és entendre com la morfologia de les neurones, circuits, aplicacions i arquitectures generals individuals crea càlculs desitjables, afecta com es representa la informació, influeix en la robustesa per danyar, incorpora l'aprenentatge i el desenvolupament, s'adapta al canvi local (plasticitat). i facilita el canvi evolutiu.

L'enginyeria neuromòrfica és una assignatura interdisciplinària que s'inspira en la biologia, la física, les matemàtiques, la informàtica i l'enginyeria electrònica [12] per dissenyar sistemes neuronals artificials, com ara sistemes de visió, sistemes cap-ull, processadors auditius i robots autònoms, els quals físics. Els principis d'arquitectura i disseny es basen en els del sistema nerviós biològic.[13] Una de les primeres aplicacions per a l'enginyeria neuromòrfica va ser proposada per Carver Mead [14] a finals de la dècada de 1980.

IMEC, un centre de recerca en nanoelectrònica amb seu a Bèlgica, va demostrar el primer xip neuromòrfic d'autoaprenentatge del món. El xip inspirat en el cervell, basat en la tecnologia OxRAM, té la capacitat d'autoaprenentatge i s'ha demostrat que té la capacitat de compondre música.[15] IMEC va publicar la melodia de 30 segons composta pel prototip. El xip es va carregar seqüencialment amb cançons amb la mateixa signatura de temps i estil. Les cançons eren antics minuets de flauta belga i francesa, dels quals el xip aprèn les regles en joc i després les aplica.[16]

El projecte Blue Brain, dirigit per Henry Markram, té com a objectiu construir reconstruccions digitals i simulacions biològicament detallades del cervell del ratolí. El projecte Blue Brain ha creat models in silico de cervells de rosegadors, mentre intenta replicar tants detalls sobre la seva biologia com sigui possible. Les simulacions basades en superordinadors ofereixen noves perspectives per entendre l'estructura i les funcions del cervell.

El concepte de sistemes neuromòrfics es pot estendre als sensors (no només a la computació). Un exemple d'això aplicat a la detecció de llum és el sensor retinomòrfic o, quan s'utilitza en una matriu, la càmera d'esdeveniments. L'any 2022, investigadors de l'Institut Max Planck d'Investigació de Polímers van informar d'una neurona artificial orgànica que mostra la diversitat de senyals de les neurones biològiques mentre operava en el material humit biològic, permetent així aplicacions de detecció neuromòrfica i biointerfície in situ .[17][18]

Referències

  1. Monroe, D. Communications of the ACM, 57, 6, 2014, pàg. 13–15. DOI: 10.1145/2601069.
  2. Zhao, W. S.; Agnus, G.; Derycke, V.; Filoramo, A.; Bourgoin, J. -P. «Còpia arxivada». Nanotechnology, 21, 17, 2010, pàg. 175202. Arxivat de l'original el 2021-04-10. Bibcode: 2010Nanot..21q5202Z. DOI: 10.1088/0957-4484/21/17/175202. PMID: 20368686 [Consulta: 2 gener 2023].
  3. Enginyeria neuromòrfica a YouTube
  4. Ham, Donhee; Park, Hongkun; Hwang, Sungwoo; Kim, Kinam (en anglès) Nature Electronics, 4, 9, 2021, pàg. 635–644. DOI: 10.1038/s41928-021-00646-1. ISSN: 2520-1131.
  5. van de Burgt, Yoeri; Lubberman, Ewout; Fuller, Elliot J.; Keene, Scott T.; Faria, Grégorio C. (en anglès) Nature Materials, 16, 4, April 2017, pàg. 414–418. Bibcode: 2017NatMa..16..414V. DOI: 10.1038/nmat4856. ISSN: 1476-4660. PMID: 28218920.
  6. Mead, Carver Proceedings of the IEEE, 78, 10, 1990, pàg. 1629–1636. DOI: 10.1109/5.58356.
  7. 7,0 7,1 (en anglès) "Neuromorphic Circuits With Neural Modulation Enhancing the Information Content of Neural Signaling | International Conference on Neuromorphic Systems 2020".. DOI: 10.1145/3407197.3407204.
  8. Maan, A. K.; Jayadevi, D. A.; James, A. P. IEEE Transactions on Neural Networks and Learning Systems, PP, 99, 01-01-2016, pàg. 1734–1746. arXiv: 1604.07121. Bibcode: 2016arXiv160407121M. DOI: 10.1109/TNNLS.2016.2547842. ISSN: 2162-237X. PMID: 27164608.
  9. Zhou, You; Ramanathan, S. Proceedings of the IEEE, 103, 8, 01-08-2015, pàg. 1289–1310. DOI: 10.1109/JPROC.2015.2431914. ISSN: 0018-9219.
  10. Eshraghian, Jason K.; Ward, Max; Neftci, Emre; Wang, Xinxin; Lenz, Gregor "Training Spiking Neural Networks Using Lessons from Deep Learning", 01-10-2021. arXiv: 2109.12894.
  11. «Hananel-Hazan/bindsnet: Simulation of spiking neural networks (SNNs) using PyTorch.» (en anglès). GitHub, 31-03-2020.
  12. (en anglès) "Qualitative Functional Decomposition Analysis of Evolved Neuromorphic Flight Controllers". DOI: 10.1145/3407197.3407204.
  13. Boddhu, S. K.; Gallagher, J. C. Applied Computational Intelligence and Soft Computing, 2012, 2012, pàg. 1–21. DOI: 10.1155/2012/705483 [Consulta: free].
  14. Mead, Carver A.; Mahowald, M. A. (en anglès) Neural Networks, 1, 1, 01-01-1988, pàg. 91–97. DOI: 10.1016/0893-6080(88)90024-X. ISSN: 0893-6080.
  15. «Imec demonstrates self-learning neuromorphic chip that composes music» (en anglès). IMEC International. [Consulta: 1r octubre 2019].
  16. Bourzac, Katherine. «A Neuromorphic Chip That Makes Music» (en anglès). IEEE Spectrum, May 23, 2017. [Consulta: 1r octubre 2019].
  17. Sarkar, Tanmoy; Lieberth, Katharina; Pavlou, Aristea; Frank, Thomas; Mailaender, Volker (en anglès) Nature Electronics, 5, 11, 07-11-2022, pàg. 774–783. DOI: 10.1038/s41928-022-00859-y. ISSN: 2520-1131.
  18. (en anglès) Nature Electronics, 5, 11, 10-11-2022, pàg. 721–722. DOI: 10.1038/s41928-022-00862-3. ISSN: 2520-1131.