El equipo de investigación conjunto del profesor Shinhyun Choi y el profesor Young-Gyu Yoon de la Escuela de Ingeniería Eléctrica desarrolló un chip informático que puede aprender, corregir errores y procesar tareas de IA.
– Equipar un chip informático con dispositivos memristores de alta confiabilidad con funciones de autocorrección de errores para el aprendizaje en tiempo real y el procesamiento de imágenes.
Los sistemas informáticos actuales tienen dispositivos de almacenamiento y procesamiento de datos separados, lo que los hace ineficientes para procesar datos complejos como la IA. Un equipo de investigación de KAIST ha desarrollado un sistema integrado basado en memristores similar a la forma en que nuestro cerebro procesa la información. Ahora está listo para su aplicación en varios dispositivos, incluidas cámaras de seguridad inteligentes, lo que les permite reconocer actividad sospechosa de inmediato sin tener que depender de servidores remotos en la nube, y dispositivos médicos con los que puede ayudar a analizar datos de salud en tiempo real.
KAIST (presidente Kwang Hyung Lee) anunció el 17 de enero que el equipo de investigación conjunto del profesor Shinhyun Choi y el profesor Young-Gyu Yoon de la Escuela de Ingeniería Eléctrica ha desarrollado un chip informático ultrapequeño de próxima generación basado en semiconductores neuromórficos que puede aprender y corregir errores por sí solo.
< Figura 1. Imagen de microscopio electrónico de barrido (MEB) de un chip informático equipado con un conjunto de barras transversales de memristores de 32×32 sin selectores de gran fiabilidad (izquierda). Sistema de hardware desarrollado para la implementación de inteligencia artificial en tiempo real (derecha). >
Lo especial de este chip informático es que puede aprender y corregir errores que se producen debido a características no ideales que eran difíciles de solucionar en los dispositivos neuromórficos existentes. Por ejemplo, al procesar una secuencia de vídeo, el chip aprende a separar automáticamente un objeto en movimiento del fondo y, con el tiempo, mejora en esta tarea.
Esta capacidad de autoaprendizaje ha quedado demostrada al conseguir una precisión comparable a la de las simulaciones informáticas ideales en el procesamiento de imágenes en tiempo real. El principal logro del equipo de investigación es haber completado un sistema que es a la vez fiable y práctico, más allá del desarrollo de componentes similares al cerebro.
El equipo de investigación ha desarrollado el primer sistema integrado basado en memristores del mundo que puede adaptarse a cambios ambientales inmediatos y ha presentado una solución innovadora que supera las limitaciones de la tecnología existente.
< Figura 2. Resultados de la separación de fondo y primer plano de una imagen que contiene características no ideales de dispositivos de memristor (izquierda). Resultados de la separación de imágenes en tiempo real a través del aprendizaje en el dispositivo utilizando el chip de computación de memristor desarrollado por nuestro equipo de investigación (derecha). >
En el centro de esta innovación se encuentra un dispositivo semiconductor de última generación llamado memristor*. Las características de resistencia variable de este dispositivo pueden reemplazar el papel de las sinapsis en las redes neuronales y, al utilizarlo, el almacenamiento de datos y la computación se pueden realizar simultáneamente, al igual que nuestras células cerebrales.
*Memristor: Palabra compuesta de memoria y resistencia, dispositivo eléctrico de última generación cuyo valor de resistencia está determinado por la cantidad y dirección de carga que ha fluido entre los dos terminales en el pasado.
El equipo de investigación diseñó un memristor altamente confiable que puede controlar con precisión los cambios de resistencia y desarrolló un sistema eficiente que excluye procesos complejos de compensación mediante autoaprendizaje. Este estudio es importante porque verificó experimentalmente la posibilidad de comercialización de un sistema integrado basado en semiconductores neuromórficos de próxima generación que admite el aprendizaje y la inferencia en tiempo real.
Esta tecnología revolucionará la forma en que se utiliza la inteligencia artificial en los dispositivos cotidianos, permitiendo que las tareas de IA se procesen localmente sin depender de servidores remotos en la nube, haciéndolas más rápidas, más protegidas de la privacidad y más eficientes energéticamente.
“Este sistema es como un espacio de trabajo inteligente donde todo está al alcance de la mano en lugar de tener que ir y venir entre escritorios y archivadores”, explicaron los investigadores de KAIST Hakcheon Jeong y Seungjae Han, quienes lideraron el desarrollo de esta tecnología. “Esto es similar a la forma en que nuestro cerebro procesa la información, donde todo se procesa de manera eficiente a la vez en un solo lugar”.
La investigación se llevó a cabo con Hakcheon Jeong y Seungjae Han, estudiantes del Programa Integrado de Maestría y Doctorado de la Escuela de Ingeniería Eléctrica KAIST, como primeros coautores, cuyos resultados se publicaron en línea en la revista académica internacional Nature Electronics, el 8 de enero de 2025.
*Título del artículo: Procesamiento de vídeo autosupervisado con autocalibración en una plataforma informática analógica basada en una matriz de memristores sin selector ( https://doi.org/10.1038/s41928-024-01318-6 )
Esta investigación fue apoyada por el Proyecto de Desarrollo de Tecnología de Semiconductores Inteligentes de Próxima Generación, el Proyecto de Excelente Nuevo Investigador y el Proyecto de Desarrollo de Tecnología Central de Semiconductores PIM AI de la Fundación Nacional de Investigación de Corea, y el Proyecto de Apoyo a la Investigación y el Desarrollo del Instituto de Investigación en Electrónica y Telecomunicaciones del Instituto de Planificación y Evaluación de Tecnologías de la Información y las Comunicaciones. KAIST News. Traducido al español
Contacto