Diseño del módulo de neurona versátil. Crédito: Nature Electronics (2025). Doi: 10.1038/s41928-025-01433-y
El rápido avance de la inteligencia artificial (IA) y los sistemas de aprendizaje automático ha aumentado la demanda de nuevos componentes de hardware que podrían acelerar el análisis de datos mientras consume menos energía. A medida que los algoritmos de aprendizaje automático se inspiran en las redes neuronales biológicas, algunos ingenieros han estado trabajando en hardware que también imita la arquitectura y el funcionamiento del cerebro humano.
El hardware inspirado en el cerebro o neuromórfico típicamente integra componentes que imitan el funcionamiento de las células cerebrales, a los que se denomina neuronas artificiales. Las neuronas artificiales están conectadas entre sí, con sus conexiones debilitándose o fortaleciéndose con el tiempo.
Este proceso se asemeja a la plasticidad sináptica, la capacidad del cerebro para adaptarse con el tiempo en respuesta a la experiencia y el aprendizaje. Al emular la plasticidad sináptica, los sistemas informáticos neuromórficos podrían ejecutar algoritmos de aprendizaje automático de manera más eficiente, consumiendo menos energía al analizar grandes cantidades de datos y hacer predicciones.
Investigadores de la Universidad de Fudan han desarrollado recientemente un dispositivo basado en el disulfuro de molibdeno de monoconalería ultrafinadora (MOS₂) que podría emular la adaptabilidad de las neuronas biológicas mejor que otras neuronas artificiales introducidas en el pasado. El nuevo sistema, introducido en un artículo publicado En Nature Electronics, combina un tipo de memoria de computadora conocida como memoria dinámica de acceso aleatorio (DRAM) con circuitos basados en MOS₂.
“El hardware neuromórfico que simula con precisión los diversos comportamientos neuronales podría ser útil en el desarrollo de la inteligencia de borde”, escribieron Yin Wang, Saifei Gou y sus colegas en su artículo.
“Se ha explorado el hardware que incorpora la plasticidad sináptica (cambios adaptativos que fortalecen o debilitan las conexiones sinápticas), pero imitando el espectro completo de los procesos de aprendizaje y memoria requiere la interacción de múltiples mecanismos de plasticidad, incluido la plasticidad intrínseca. Mostramos que una neurona integrada se puede crear combinando una memoria intermedia dinámica y una inversión que se basan en un monoleje de los cargos en el dependiente. Películas disulfuro de molibdeno “.
La evolución del pico de salida durante el proceso de aprendizaje. Crédito: Nature Electronics (2025). Doi: 10.1038/s41928-025-01433-y
La neurona artificial desarrollada por los investigadores tiene dos componentes clave: un sistema DRAM y un circuito inversor. Los DRAM son sistemas de memoria que pueden almacenar cargas eléctricas en estructuras conocidas como condensadores. La cantidad de carga eléctrica en los condensadores puede modularse para imitar variaciones en la carga eléctrica a través de la membrana de las neuronas biológicas, que finalmente determinan si dispararán o no.
Un inversor, por otro lado, es un circuito electrónico que puede voltear una señal de entrada de alto voltaje a bajo voltaje o viceversa. En la neurona artificial del equipo, este circuito permite la generación de explosiones de electricidad que se asemejan a las observadas en las neuronas biológicas cuando disparan.
“En el sistema, el voltaje en el condensador de memoria de acceso aleatorio dinámico, es decir, el potencial de la membrana neuronal, puede modularse para emular la plasticidad intrínseca”, escribieron los autores. “El módulo también puede emular la adaptación fotópica y escotópica del sistema visual humano ajustando dinámicamente su sensibilidad de la luz”.
Para evaluar el potencial de la neurona artificial que crearon, los investigadores fabricaron algunos y los ensamblaron en una cuadrícula de 3 × 3. Luego probaron la capacidad de esta matriz de neuronas 3×3 para adaptar sus respuestas a las entradas basadas en cambios en la luz, imitando cómo el sistema visual humano se adapta en diferentes condiciones de iluminación. Finalmente, utilizaron su sistema para ejecutar un modelo para el reconocimiento de imágenes y evaluaron su rendimiento.
“Fabricamos una matriz de neuronas de fotorreceptor 3 × 3 y demostramos codificación de luz y adaptación visual”, escribieron los autores. “También usamos el módulo Neuron para simular un modelo de red neuronal bioinspirado para el reconocimiento de imágenes”.
La neurona artificial desarrollada por Wang, Gou y sus colegas ha demostrado ser muy prometedora hasta ahora, particularmente para la implementación energética de los modelos de visión por computadora y reconocimiento de imágenes. En el futuro, los investigadores podrían fabricar otros sistemas informáticos bioinspirados en base al dispositivo recientemente desarrollado y probar su rendimiento en otras tareas computacionales.
Escrito para usted por nuestro autor Ingrid Fadellieditado por Gaby Clarky verificado y revisado por Robert Egan—Este artículo es el resultado de un trabajo humano cuidadoso. Confiamos en lectores como usted para mantener vivo el periodismo científico independiente. Si este informe le importa, considere un donación (especialmente mensual). Obtendrá una cuenta sin anuncios como agradecimiento.
Más información: Yin Wang et al, una neurona artificial de inspiración biológica con plasticidad intrínseca basada en el disulfuro de molibdeno monocapa, Electrónica Natural (2025). Doi: 10.1038/s41928-025-01433-y.
© 2025 Science X Network
Cita: la neurona artificial fusiona la DRAM con los circuitos de mos₂ para emular mejor la adaptabilidad del cerebro (2025, 30 de agosto) Recuperado el 30 de agosto de 2025 de https://techxplore.com/news/2025-08-artificial-neuron-merges-dram-mos.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
