| CientÃficos crean neuronas artificiales con la capacidad de transmisión de una real. | ||||
| Luego del desarrollo, el objetivo ahora es demostrar experimentalmente que estos sistemas pueden implementar algoritmos de aprendizaje sencillos como base para las memorias electrónicas del futuro. | ||||
| Lunes 09 de Agosto de 2021 | ||||
| Por: Europa press | ||||
Con un consumo de energÃa equivalente a dos plátanos al dÃa, el cerebro humano puede realizar muchas tareas complejas. Su alta eficiencia energética depende en particular de su unidad base, la neurona, que tiene una membrana con poros nanométricos llamados canales iónicos, que se abren y cierran según los estÃmulos recibidos. Los flujos de iones resultantes crean una corriente eléctrica responsable de la emisión de potenciales de acción, señales que permiten a las neuronas comunicarse entre sÃ. La inteligencia artificial puede realizar todas estas tareas, pero sólo a costa de un consumo energético decenas de miles de veces superior al del cerebro humano. Asà que todo el reto de la investigación actual es diseñar sistemas electrónicos que sean tan eficientes energéticamente como el cerebro humano, por ejemplo, utilizando iones, y no electrones, para transportar la información. Para ello, la nanofluÃdica, el estudio de cómo se comportan los fluidos en canales de menos de 100 nanómetros de ancho, ofrece muchas perspectivas. En un nuevo estudio, un equipo del Laboratorio de FÃsica de la ENS (CNRS/ENS-PSL/Universidad de Sorbona/Universidad de ParÃs) muestra cómo construir un prototipo de neurona artificial formado por rendijas de grafeno extremadamente finas que contienen una sola capa de moléculas de agua. Los cientÃficos han demostrado que, bajo el efecto de un campo eléctrico, los iones de esta capa de agua se reúnen en racimos alargados y desarrollan una propiedad conocida como efecto memristor: estos racimos retienen algunos de los estÃmulos recibidos en el pasado. Repitiendo la comparación con el cerebro, las rendijas de grafeno reproducen los canales de iones, los racimos y los flujos de iones. Y, utilizando herramientas teóricas y digitales, los cientÃficos han demostrado cómo ensamblar estos clusters para reproducir el mecanismo fÃsico de emisión de potenciales de acción y, por tanto, la transmisión de información. Este trabajo teórico continúa experimentalmente en el equipo francés, en colaboración con cientÃficos de la Universidad de Manchester (Reino Unido). El objetivo ahora es demostrar experimentalmente que estos sistemas pueden implementar algoritmos de aprendizaje sencillos que pueden servir de base para las memorias electrónicas del futuro. |
||||
|
|
||||
Nos interesa tu opinión |
||||
| > Directorio > Quiénes somos |
| ® Gobernantes.com Derechos Reservados 2016 |