(Phys.org) —Quando você ouvir um som, apenas alguns dos neurônios do córtex auditivo do cérebro são ativados. Isso ocorre porque cada neurônio auditivo está sintonizado em uma certa faixa de som, de modo que cada neurônio é mais sensível a tipos e níveis específicos de som do que outros. Em um novo estudo, pesquisadores desenvolveram um sistema de computação neuromórfico ("inspirado no cérebro") que imita essa seletividade neural usando neurônios sintonizados em nível artificial que respondem preferencialmente a tipos específicos de estímulos.

No futuro, neurônios ajustados em nível podem ajudar a permitir que sistemas de computação neuromórficos realizem tarefas que os computadores tradicionais não podem, como aprender com seu ambiente, reconhecimento de padrões, e extração de conhecimento de fontes de big data.

Os pesquisadores, Angeliki Pantazi et al ., na IBM Research-Zurich e na École Polytechnique Fédérale de Lausanne, ambos na Suíça, publicaram um artigo sobre a nova arquitetura neuromórfica em uma edição recente da Nanotecnologia .

Como todas as arquiteturas de computação neuromórfica, o sistema proposto é baseado em neurônios e suas sinapses, que são as junções onde os neurônios enviam sinais uns aos outros. Neste estudo, os pesquisadores implementaram fisicamente neurônios artificiais usando materiais de mudança de fase. Esses materiais têm dois estados estáveis:um cristalino, estado de baixa resistividade e amorfo, estado de alta resistividade. Assim como na computação tradicional, os estados podem ser comutados pela aplicação de uma tensão. Quando a condutância do neurônio atinge um certo limite, o neurônio dispara.

"Demonstramos que dispositivos memristivos baseados em mudança de fase podem ser usados ​​para criar neurônios artificiais e sinapses para armazenar e processar dados, "o co-autor Evangelos Eleftheriou da IBM Research-Zurich disse Phys.org . "Um neurônio de mudança de fase usa a configuração de fase do material de mudança de fase para representar seu estado interno, o potencial de membrana. Para a sinapse de mudança de fase, o peso sináptico - que é responsável pela plasticidade - é codificado pela condutância do nanodispositivo. "

Nesta arquitetura, cada neurônio está sintonizado em um intervalo específico, ou nível. Os neurônios recebem sinais de muitos outros neurônios, e um nível é definido como a contribuição cumulativa da soma desses sinais de entrada.

"Introduzimos a arquitetura inspirada biologicamente de neurônios sintonizados em nível que é capaz de distinguir diferentes padrões de uma forma não supervisionada, "Eleftheriou disse." Isso é importante para o desenvolvimento de sistemas ultra-densos, computação neuromórfica escalonável e com baixo consumo de energia. "

Uma das principais vantagens desses neurônios sintonizados em nível altamente seletivos é sua capacidade de aprendizado aprimorada. Na computação neuromórfica, a aprendizagem ocorre por meio de sinais de entrada repetidos, o que fortalece certas conexões sinápticas. Os pesquisadores mostraram que os neurônios sintonizados em nível são muito bons em aprender vários padrões de entrada, mesmo na presença de ruído de entrada.

"Mesmo um único neurônio pode ser usado para detectar padrões e descobrir correlações em fluxos em tempo real de dados baseados em eventos, "Eleftheriou disse." Neurônios sintonizados em nível aumentam a capacidade de uma rede de neurônio único para discriminar informações quando vários padrões aparecem na entrada. Neurônios ajustados ao nível, junto com as características de alta velocidade e baixa energia de sua implementação baseada em mudança de fase, será particularmente útil para várias aplicações emergentes, como a Internet das Coisas, que coletam e analisam grandes volumes de informações sensoriais e aplicativos para detectar padrões em fontes de dados, como nas redes sociais para descobrir tendências, ou dados meteorológicos para previsões em tempo real, ou dados de saúde para detectar padrões em doenças, etc. "

No futuro, os pesquisadores planejam desenvolver ainda mais o conceito de neurônios sintonizados em nível artificial, a fim de projetar redes neurais aprimoradas em grande escala.

"Estaremos investigando tarefas computacionais mais complexas com base em neurônios spiking artificiais e suas sinapses, "Eleftheriou disse." Estamos interessados ​​em estudar o potencial de escala e as aplicações de tais sistemas neuromórficos em sistemas de computação cognitiva. "

© 2016 Phys.org