Computadoras Reconfigurables que Funcionan como tu Cerebro

Los ingenieros del Instituto Indio de Ciencia han presentado recientemente un chip de computadora de próxima generación que es capaz de cambiar entre múltiples tareas computacionales simplemente cambiando su composición química. El nuevo diseño toma ideas del cerebro humano, abriendo la puerta a futuros sistemas de inteligencia artificial que no solo aprenden sino que también vienen con conocimientos integrados. Aquí hay lo que necesitas saber.

Desbloquear el futuro de la computación requiere algo de pensamiento fuera de la caja. A medida que los chips alcanzan el límite teórico de sus diseños, se deben configurar nuevos enfoques para seguir impulsando el poder computacional hacia adelante.

Fabricación de Chips

Cuando se trata de desarrollar chips más rápidos y más pequeños para alimentar dispositivos electrónicos de próxima generación, el silicio es visto como la opción principal. Este semiconductor abundante y barato proporciona una movilidad de portador aceptable, lo que le permite actuar como aislante y conductor cuando se combina con otros materiales y se aplica una corriente.

Además, el silicio oxidado (sílice) se puede cultivar en láminas delgadas que admiten diseños de circuitos mult capas. Esta capacidad lo ha hecho ideal para su uso en la electrónica micro y nano actual. Sin embargo, hay algunas desventajas importantes de este material.

El procesamiento de silicio puede ser peligroso para el medio ambiente debido a los productos químicos involucrados. Además, está limitado en su capacidad para albergar la electrónica nano. Los dispositivos con una longitud de puerta inferior a 7 nm pueden experimentar mucha interferencia. Estas interrupciones pueden ocurrir por muchas razones, incluyendo la fuga de señales y el túnel cuántico.

Nanoelectrónica

La nanoelectrónica es el siguiente paso en la miniaturización. Estos dispositivos, que miden menos de 100 nm, son tan pequeños que están más sujetos a la mecánica cuántica que a la física tradicional. Estas interacciones pueden provocar cambios en la interfaz y otras respuestas no lineales debido a la complejidad de operar a esta escala.

Computación Neuromórfica

Cuando se reduce un circuito a la nanoescala, se vuelve extremadamente difícil confiar en procesos mecánicos para realizar tareas. Como tal, los ingenieros se han vuelto hacia opciones de computación neuromórfica para almacenar información y realizar cálculos. Estos dispositivos se basan en tu cerebro.

Las computadoras neuromórficas utilizan materiales de óxido y conmutación filamentos para completar tareas computacionales. Esta estructura simplemente reduce la aproximación actual a la computación para imitar el aprendizaje. Esta estrategia es diferente a la creación de un dispositivo que viene con los datos como parte de su estructura natural.

En consecuencia, los científicos han puesto mucho esfuerzo en crear un material avanzado que fuera capaz de almacenar, calcular y adaptarse a los datos sin cambiar su superficie física. Sin embargo, las complejidades de crear tal estructura han eludido el descubrimiento.

Electrónica Molecular

Este deseo de crear máquinas aún más pequeñas que tuvieran más versatilidad llevó a los ingenieros de electrónica molecular a tratar de documentar las interacciones atómicas y las acciones cuánticas con el objetivo final de poder predecir estos resultados con gran precisión.

Sin embargo, esta tarea parecía imposible. Hasta que este mes, un equipo de científicos publicó un estudio innovador que demostró cómo fueron capaces de predecir y controlar estas acciones.

Estudio de Computadoras Reconfigurables

Los ingenieros y científicos del Centro de Ciencia y Ingeniería de Nano (CeNSE) en la India acaban de reescribir el manual de electrónica molecular con el estudio “Memristores Ingenierizados Molecularmente para Funcionalidades Neuromórficas Reconfigurables¹”.

Fuente – Advanced Materials

El documento reúne los avances recientes en ingeniería eléctrica, química y física para crear dispositivos a nanoescala que pueden ajustar su composición química para servir varios roles, incluyendo unidades de memoria, puertas lógicas, procesadores o sinapsis electrónicas.

Dispositivos Moleculares Adaptativos

El éxito del estudio ayuda a demostrar cómo la química puede hacer más que apoyar las actividades computacionales, puede proporcionarlas. Además, esta adaptabilidad permite que el mismo dispositivo funcione como unidad de memoria y unidad computacional sin agregar material o cambiar su forma física.

Marco de Predicción

Uno de los primeros pasos que los ingenieros necesitaban tomar era crear una forma de predecir cómo los cambios químicos afectarían el transporte eléctrico. En particular, desarrollaron un algoritmo de modelado químico cuántico que podría rastrear con precisión las moléculas a medida que viajaban a través de la película.

El algoritmo incluyó mucha otra información relevante, incluyendo cómo la oxidación y la reducción afectaban cada molécula y cómo interactuaban en relación con la matriz molecular general. Esta información se utilizó para determinar la estabilidad general de las moléculas, registrando cualquier cambio de contraiones en tiempo real.

Los ingenieros, armados con su algoritmo predictivo, comenzaron a utilizar el comportamiento de conmutación para predecir cómo transformar un dispositivo único desde el almacenamiento, las actividades computacionales y más. El algoritmo permite a los ingenieros ajustar con precisión el entorno molecular local y las interacciones intermoleculares utilizando complejos de rutenio orgánicos.

Respuestas Memristivas

Utilizando el algoritmo para guiar sus esfuerzos, el equipo logró modular programáticamente un circuito único. Impresionantemente, lograron alcanzar múltiples modalidades, incluyendo memoria digital, analógica, binaria y ternaria.

Para lograr esta tarea, tuvieron que ajustar los ligandos y iones que rodeaban las moléculas de rutenio. Esta adaptabilidad se expandió para incluir varios valores de conductancia que reconfiguraban dinámicamente las capacidades del dispositivo en estado sólido.

Deslizar para desplazarse →

Prueba de Computadoras Reconfigurables

Para probar su teoría, los científicos tuvieron que crear complejos de rutenio con fines específicos. Lograron construir 17 para este estudio, lo que les permitió monitorear los cambios minúsculos en la configuración molecular y los ajustes iónicos.

La fabricación del dispositivo fue liderada por Pallavi Gaur. Gaur informó que el dispositivo podía cambiar entre almacenamiento, computación y reconfiguración sin cambios de material. Esta capacidad hace que este dispositivo esté mucho más cerca de cómo opera tu cerebro, impulsando la ciencia de la computación neuromórfica hacia adelante.

Resultados de la Prueba de Computadoras Reconfigurables

Los resultados de la prueba confirmaron la teoría de los ingenieros de que es posible combinar la memoria y la computación dentro del mismo material. También demostró cómo la química puede usarse para realizar cálculos y no solo suplementar los componentes activos de un dispositivo. En consecuencia, este trabajo reúne la tecnología de nanocomputación y la ingeniería química para abrir la puerta a dispositivos cuánticos más pequeños y poderosos.

Beneficios de las Computadoras Reconfigurables

Hay varios beneficios que el estudio de computadoras reconfigurables aporta al mercado. Por un lado, abre la puerta a la electrónica a nanoescala en una nueva escala. En el pasado, estos dispositivos solo podían crearse tan pequeños antes de que se perdiera toda la confiabilidad.

El hecho de que tuvieran partes móviles hacía imposible determinar su operabilidad a nanoescala. Este nuevo enfoque permite que un dispositivo en estado sólido realice múltiples tareas computacionales, como actuar como elemento de memoria, puerta lógica, selector, procesador analógico o sinapsis electrónica. Esta flexibilidad ayudará a los ingenieros del futuro a diseñar dispositivos más capaces y livianos.

Menos Interferencia

Esta estructura también reduce la interferencia causada por el túnel cuántico y otros problemas cuando se discuten dispositivos a escala molecular. Cuanto más pequeño sea un dispositivo, más interferencia de fuentes externas puede afectarlo. Cuando se combina este hecho con la miniaturización de los dispositivos, es fácil ver por qué este enfoque se considera un juego cambiador para la mayoría.

Conductancia Adicional

Otro beneficio importante es la conductancia adicional. El silicio puro no es un buen conductor ni aislante. Como tal, requiere aditivos y otros productos químicos para mejorar el rendimiento. Este nuevo diseño proporciona más confiabilidad y puede soportar mucha más conductancia. En particular, los científicos registraron una mejora de seis órdenes de magnitud.

Computadoras Reconfigurables: Aplicaciones y Cronograma en el Mundo Real

Varias aplicaciones para computadoras reconfigurables podrían ayudar a hacer la vida más fácil para millones de personas. Por un lado, eventualmente se utilizarán en aplicaciones de inteligencia artificial. Los sistemas de inteligencia artificial requieren enormes cantidades de datos para ser transferidos dentro de los dispositivos y referencias.

Actualmente, hay una pequeña brecha entre la lógica computacional y la memoria, lo que resulta en un retraso. A medida que aumentan los cálculos, este retraso se vuelve más grande, lo que resulta en una computación más lenta. Este enfoque eliminaría la necesidad de separar la lógica, la memoria y otras tareas básicas, permitiendo que un solo dispositivo se convierta instantáneamente en cada uno cuando sea necesario.

Dispositivos Médicos de Próxima Generación

El campo médico es otra área donde esta tecnología podría hacer una gran diferencia. Los implantes y otras unidades internas podrían hacerse más pequeños y con menos partes móviles. Este enfoque los haría menos invasivos y proporcionaría espacio para más poder computacional si es necesario.

Cronograma de Computadoras Reconfigurables

Puede tomar de 7 a 10 años antes de que encuentres una computadora reconfigurable. Estos dispositivos surgirán primero en sistemas de inteligencia artificial más grandes, ayudando a reducir sus costos operativos y mejorar la eficiencia. Sin embargo, todavía hay mucha prueba y desarrollo que debe ocurrir, junto con encontrar un fabricante adecuado capaz de fabricar estos dispositivos a gran escala.

Investigadores de Computadoras Reconfigurables

El estudio de computadoras reconfigurables fue realizado por un equipo de investigadores del Instituto Indio de Ciencia. El estudio fue dirigido por el profesor asistente del Centro de Ciencia y Ingeniería de Nano (CeNSE), Sreetosh Goswami.

La síntesis molecular de la parte del estudio fue completada por Pradip Ghosh, becario Ramanujan, y Santi Prasad Rath. El documento también enumera a Shayon Bhattacharya, Lohit T, Harivignesh S y Damien Thompson como contribuyentes.

Futuro de las Computadoras Reconfigurables

Los investigadores tienen su trabajo cortado. Actualmente, están explorando cómo integrar esta tecnología en las estrategias de fabricación de chips CMOS de hoy en día. Su objetivo general es hacer dispositivos que vengan con inteligencia inherente, mejorando el rendimiento, la estabilidad y la eficiencia.

Invertir en el Campo de la Computación en la Memoria

Hay varias empresas en el sector de fabricación de chips que representan oportunidades de inversión interesantes. Estas empresas han visto una creciente demanda de sus productos innovadores a medida que la inteligencia artificial y otros sistemas computacionales de alta potencia siguen siendo la norma. Aquí hay un fabricante que ha permanecido a la vanguardia de la tecnología de fundición de chips.

Tecnología GSI (GSIT)

Mientras que el estudio anterior destaca el futuro de la computación molecular, GSI Technology está comercializando la versión basada en silicio de este concepto hoy en día. GSI es el desarrollador de la Unidad de Procesamiento Asociativo (APU), una tecnología que cambia fundamentalmente la forma en que los computadores procesan los datos realizando cálculos directamente en el lugar dentro de la matriz de memoria, un concepto conocido como “Computación en la Memoria” (CIM).

Esta arquitectura aborda el mismo “cuello de botella de von Neumann” mencionado en el estudio (el retraso causado por la separación de la lógica y la memoria). Al eliminar la necesidad de trasladar datos de un lado a otro entre el procesador y la RAM, el Gemini® APU de GSI entrega una aceleración masiva para las cargas de trabajo de inteligencia artificial y búsqueda.

Las pruebas de referencia recientes validadas por la Universidad de Cornell confirmaron que el APU de GSI puede igualar el rendimiento de las GPU de nivel superior (como la NVIDIA A6000) para tareas de inteligencia artificial específicas mientras consume aproximadamente un 98% menos de energía.

GSI Technology tiene su sede en Sunnyvale, California, y cotiza en el NASDAQ. Sus productos de memoria resistentes a la radiación ya son una base estable en los sectores aeroespacial y de defensa, proporcionando una base de ingresos estable mientras lanza sus chips de inteligencia artificial de vanguardia para el mercado más amplio.

Aquellos que buscan una “juego limpio” en el futuro de la computación centrada en la memoria en América del Norte deben investigar GSI Technology. Representa un puente práctico entre el silicio tradicional y el futuro de “inteligencia integrada” imaginado por los investigadores.

Últimas Noticias y Rendimiento de GSI Technology (GSIT)

Computadoras Reconfigurables | Conclusión

La capacidad de crear computadoras reconfigurables cambia todo. En el futuro, tus dispositivos podrían volverse superconfiables y duraderos ya que todas las partes móviles se reemplazan con interacciones químicas. Además, esta capacidad abre la puerta a diseños más pequeños y complejos que no dependen de componentes mecánicos, sino de reacciones químicas orgánicas.

Todos estos factores y más hacen que el estudio de computadoras reconfigurables sea un juego cambiador que tiene el potencial de iniciar una nueva era de computación y integración de inteligencia artificial. Como tal, hay mucho interés en este trabajo. Por ahora, el equipo se centrará en simplificar los procesos de fabricación y reducir los costos y complejidades de producción.

Aprende sobre otros desarrollos computacionales interesantes aquí.

Referencias

^{1. Gaur, P., Kundu, B., Ghosh, P., Bhattacharya, S., T, L., S, H., Rath, S. P., Thompson, D., Goswami, S., & Goswami, S. Memristores Ingenierizados Molecularmente para Funcionalidades Neuromórficas Reconfigurables. Advanced Materials, e09143. https://doi.org/10.1002/adma.202509143}