NOTICIAS DIARIAS

Sinapsis artificial para crear señales inhibitorias y estimulantes

Ciencia y Tecnología

La sinapsis artificial creada por los científicos puede enviar tanto señales inhibidoras como estimulantes desde la misma terminal. Para los autores de esta investigación, la capacidad de imitar estas características de la sinapsis biológica en dispositivos semiconductores "puede mejorar las funcionalidades y la versatilidad de los sistemas electrónicos neuromórficos".

En ese sentido, los investigadores resaltan que la sinapsis artificial permitiría mejorar la capacidad de esos dispositivos para realizar tareas como el reconocimiento de imágenes, el aprendizaje y la cognición. Uno de los principales desafíos que tienen los investigadores que intentan imitar la estructura del sistema nervioso para aplicarla a la inteligencia artificial es la complejidad del cerebro y de las conexiones entre las neuronas.

El sistema nervioso del ser humano cuenta con más de 100 billones de sinapsis, que permiten que las neuronas puedan transmitirse señales eléctricas y químicas y pueden fomentar o inhibir los "mensajes biológicos". Para desarrollar una inteligencia artificial que pueda imitar mejor las capacidades del cerebro del ser humano, los investigadores intentan recrear esas sinapsis.

Sin embargo, en muchos casos, los modelos solo pueden recrear la transmisión de un tipo de señal. Los investigadores subrayan que la última sinapsis artificial creada puede enviar de las 2 clases y reconfigurarse a sí mismo basándose en el voltaje aplicado en su terminal. Esto fue posible porque el grupo de investigadores trabajó con una unión de fósforo negro y seleniuro de estaño, que permitió el cambio entre las señales excitatorias y las inhibitorias.

"El dispositivo resultante descansa solo en las señales eléctricas de cualquiera de las terminales presinápticas o postsinápticas para facilitar esa reconfiguración dinámica", explican los autores del estudio. Además, el dispositivo es flexible y versátil, 2 características deseables en las redes neuronales artificiales.