Los investigadores demuestran el comportamiento de aprendizaje en un dispositivo de estado sólido controlado completamente por estímulos eléctricos.

Una nueva investigación ha demostrado que los aspectos fundamentales del aprendizaje, un sello distintivo de la inteligencia en los organismos, pueden replicarse y controlarse eléctricamente en un material cuántico.

Al hacerlo, la investigación podría sentar las bases para materiales inteligentes que podrían formar la base de futuras computadoras que se inspiran en el cerebro y los sistemas robóticos que dependen del aprendizaje.

Uno de los talentos más impresionantes de la vida silvestre, y clave para la supervivencia de muchas especies, es la capacidad de aprender, particularmente en respuesta a estímulos negativos.

Dos elementos importantes del aprendizaje son la habituación, una respuesta reducida a los estímulos repetitivos, y la sensibilización, que es una respuesta mejorada a un estímulo nocivo que conduce a la evitación.

La sensibilización, por ejemplo, representa el elemento de aprendizaje que impide que un niño vuelva a tocar una superficie caliente, incluso después de haber experimentado los efectos adversos de tal estímulo una sola vez. Si bien la habituación puede explicar por qué somos cautelosos al sumergir los dedos de los pies en un baño tibio, pero no nos estremecemos de inmediato.

Aprendizaje en dispositivos electrónicos.

Los científicos, incluido el investigador Sandip Mondal del Departamento de Ingeniería Eléctrica de IIT Mumbai, se propusieron ver si estos elementos de aprendizaje podrían emularse electrónicamente. “El aprendizaje es una característica de los organismos a lo largo de su vida y está estrechamente relacionado con la inteligencia”, dijo Mondal. «Queríamos investigar si es posible demostrar el comportamiento de aprendizaje en un dispositivo de estado sólido que está controlado completamente por estímulos eléctricos».

En un artículo publicado en la revista sistemas inteligentes avanzados, El equipo demostró que es posible descubrir propiedades de aprendizaje en dispositivos cuidadosamente preparados a temperatura ambiente.

«Estos resultados son relevantes para construir computadoras inspiradas en el cerebro en el futuro», agregó Mondal. “El aprendizaje se puede emular monitoreando la resistencia eléctrica del dispositivo cuando se le aplican pulsos sucesivos de voltaje eléctrico. El cambio continuo en la resistencia sigue ciertas tendencias, tales como: B. una disminución lenta o un aumento repentino, que puede atribuirse al aprendizaje”.

Enseñar a un dispositivo a olvidar

El mayor desafío en el diseño de un dispositivo que pueda responder a los estímulos es diseñarlo para que responda a los estímulos eléctricos y luego «olvidar» esa respuesta una vez que finaliza el estímulo.

Para abordar esto, el equipo recurrió a un material llamado óxido de níquel (NiO), que ha sido identificado como un material cuántico prometedor debido a sus propiedades eléctricas, magnéticas y ópticas únicas. Luego identificaron una matriz de capas tipo sándwich de NiO que podrían cambiar rápidamente su resistencia en respuesta a pulsos de carga eléctrica.

Esta resistencia finalmente vuelve a su valor original cuando los pulsos se detienen, pero sucede algo interesante cuando los pulsos se reanudan antes de que el material se haya «restablecido» por completo.

Mondal y sus colegas descubrieron que, en estas circunstancias, el material responde a los pulsos de corriente posteriores reduciendo su respuesta resistiva. Esto imita el elemento de habituación del aprendizaje que se encuentra en los animales. La respuesta se puede controlar, aumentar o disminuir, ajustando el voltaje de la carga.

El aprendizaje se demostró aún más en el material a través de la migración sutil de defectos de oxígeno y en la física descubierta en el dispositivo bajo la influencia de campos eléctricos.

Estos procesos tuvieron lugar a temperatura ambiente y solo mediante el uso de campos eléctricos controlables, lo que demuestra el potencial de adaptabilidad en circunstancias más generales, lo que significa que podrían usarse en dispositivos que no necesitan operar a temperaturas extremadamente bajas, por ejemplo.

«Nos sorprendió gratamente poder demostrar tanto la habituación como la sensibilización en el mismo material», dijo Mondal.

Finalmente, el investigador explicó la diferencia entre estudiar el aprendizaje en animales y el aprendizaje en dispositivos. “Si bien los organismos pueden exhibir un comportamiento complejo debido a múltiples factores, en los materiales y dispositivos es posible aislar los mecanismos elementales que conducen al aprendizaje”, dijo Mondal. «Así que nos presentan sistemas modelo más simples que podemos estudiar».

Referencia: Sandip Mondal, et al, Aprendizaje no asociativo totalmente eléctrico en óxido de níquel, Sistemas inteligentes avanzados (2022). DOI: 10.1002/aisy.202200069

Imagen destacada: los patrones de peso posteriores al entrenamiento con más de 60 000 imágenes de entrenamiento. La red logra una precisión del 84,8% sobre el conjunto de prueba de 10.000 imágenes.

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí