En esta entrada de blog, exploraremos los principios y las características de los memristores —dispositivos electrónicos que imitan las sinapsis humanas— y su importancia en la tecnología de inteligencia artificial.
Cuando viajas por primera vez en metro, el traqueteo de las ruedas parece inusualmente fuerte. Sin embargo, a medida que el tren pasa de una estación a otra, llega un punto en que apenas lo notamos. Esto se debe a que nuestros sentidos se han desensibilizado al repetirse el mismo estímulo. En cambio, los sentidos de una máquina no se desensibilizan fácilmente. Tomemos como ejemplo una máquina expendedora de bebidas. La máquina detecta con precisión qué botón se ha pulsado y dispensa la bebida correspondiente. Incluso si este proceso se repite durante todo el día, la máquina realiza la misma acción sin dudarlo al día siguiente. Para la mayoría de las máquinas, el rendimiento se mantiene constante incluso durante tareas tan repetitivas. Entonces, ¿qué pasaría si las máquinas tuvieran la característica de que sus sentidos se embotaran, al igual que los humanos?
La embotamiento sensorial está estrechamente relacionada con las sinapsis. Las sinapsis son las conexiones entre neuronas —las células nerviosas que componen el cerebro humano— y la información sensorial se transmite en forma de señales electroquímicas al pasar por neuronas y sinapsis. Cuando la misma señal se transmite repetidamente, la eficiencia de la transmisión neuronal en la sinapsis disminuye temporalmente, lo que da lugar a un fenómeno conocido como embotamiento sensorial. Entonces, ¿es posible imitar estas características de las sinapsis en las computadoras?
El núcleo de las computadoras convencionales está compuesto por innumerables transistores. De hecho, se han realizado investigaciones previas para imitar las sinapsis humanas mediante transistores. Sin embargo, se sabe que el cerebro humano contiene más de 100 billones de sinapsis, y su implementación con transistores presenta limitaciones significativas en términos de densidad de integración y consumo de energía. A medida que las redes neuronales basadas en transistores aumentan de tamaño, sus requisitos de espacio y consumo de energía se incrementan drásticamente. Por esta razón, los investigadores están centrando su atención en un nuevo dispositivo electrónico llamado memristor, que puede implementar características más similares a las de las sinapsis humanas.
El término «memristor» es una combinación de «memoria» y «resistencia»; se refiere a un dispositivo electrónico ultracompacto que conserva la influencia del flujo de corriente anterior. Mientras que una resistencia normalmente determina la magnitud del flujo de corriente, el valor de resistencia de un memristor cambia en función de la cantidad total de corriente que ha circulado a través de él. Además, conserva su último estado de resistencia incluso después de que se interrumpa el suministro de corriente. Estas características se consideran una gran ventaja, ya que permiten almacenar información sin necesidad de un dispositivo de memoria independiente. Si bien los transistores convencionales también pueden almacenar información, requieren circuitos adicionales, lo que aumenta el tamaño del dispositivo y el consumo de energía. En cambio, los memristores tienen una estructura simple, consumen poca energía y son idóneos para una alta integración; por ello, se están investigando como una tecnología clave en los campos de la memoria de próxima generación y la computación neuromórfica.
Aunque el concepto de memristor fue propuesto por primera vez por el profesor Leon O. Chua en 1971, no recibió mucha atención en aquel entonces debido al rápido avance de la tecnología de transistores. Sin embargo, después de que investigadores de Hewlett-Packard implementaran con éxito un memristor real en 2008, la investigación relacionada cobró un impulso significativo y ahora se considera una de las tecnologías clave en los campos de los semiconductores de próxima generación y el hardware de inteligencia artificial.
Un memristor se estructura fundamentalmente con óxido de titanio (TiO₂) intercalado entre electrodos de platino. El dióxido de titanio se divide en dos regiones con propiedades diferentes según la distribución del oxígeno. Una región es dióxido de titanio (TiO₂), que está completamente saturada de oxígeno y donde este apenas se mueve; la otra es dióxido de titanio (TiO₂-x), donde falta algo de oxígeno, lo que permite que este se mueva con relativa libertad. Dado que la corriente fluye fácilmente a través de la región donde el oxígeno está parcialmente agotado, incluso a bajos voltajes, la resistencia eléctrica total disminuye a medida que aumenta la proporción de esta región. Los electrodos de platino se colocan por encima y por debajo de la capa de dióxido de titanio para aplicar voltaje.
Ahora bien, consideremos el caso en que se aplica un voltaje negativo al electrodo superior. Dado que las cargas iguales se repelen, los iones de oxígeno cercanos a la interfaz se desplazan hacia la región opuesta. Como resultado, parte de la región que antes estaba saturada de oxígeno se convierte en una región donde la electricidad fluye fácilmente a medida que el oxígeno se escapa, y la región donde la corriente fluye fácilmente se expande gradualmente. Por el contrario, si se aplica un voltaje negativo al electrodo inferior, los iones de oxígeno regresan a su dirección original, lo que provoca que la región con alta conductividad eléctrica se contraiga, mientras que la región con suficiente oxígeno se expande nuevamente. Estos cambios continúan mientras se aplique el voltaje, lo que demuestra la primera característica de un memristor: su valor de resistencia cambia según la cantidad de corriente que fluye.
¿Por qué, entonces, el valor de la resistencia permanece inalterado incluso después de apagar la alimentación? Los transistores también cambian de estado según el voltaje, pero generalmente no pueden mantener ese estado una vez que se interrumpe la alimentación. En cambio, dado que la disposición atómica dentro del óxido de titanio cambia en un memristor, el estado final se conserva incluso después de apagar la alimentación.
En regiones con deficiencia parcial de oxígeno, existen dos tipos de iones de titanio (Ti³⁺ y Ti⁴⁺). Cuando los iones de oxígeno se desplazan, los electrones se transfieren entre los iones de titanio para mantener el equilibrio de carga, y en este proceso, algunos iones Ti³⁺ se convierten en iones Ti⁴⁺. Dado que los iones Ti⁴⁺, que poseen una mayor carga positiva, atraen con mayor fuerza a los iones de oxígeno con carga negativa, esta transferencia de carga se produce de forma natural. Finalmente, incluso después de eliminar el voltaje, la nueva disposición de los átomos permanece inalterada, por lo que la resistencia también conserva su estado final.
En términos sencillos, es similar a la situación en la que una persona está sentada en un asiento del metro y el asiento contiguo está vacío. Cada vez que el tren se mueve, la persona se desplaza un asiento hacia el vacío, pero el número de asientos vacíos permanece en uno. Del mismo modo que la posición de la persona cambia, pero la estructura general de los asientos se mantiene, en un memristor solo cambia la disposición de los iones de oxígeno y los electrones, mientras que la estructura general se conserva, lo que le permite "recordar" su estado anterior.
Los científicos observan que esta característica es muy similar a la de las sinapsis humanas. En las sinapsis, la eficiencia de la transmisión neuronal cambia al repetirse la misma señal; de forma similar, en los memristores, el valor de la resistencia cambia cuando fluye corriente repetidamente. Debido a estas similitudes, se están investigando los memristores como componentes clave de la computación neuromórfica, que imita el cerebro humano. De hecho, los investigadores están desarrollando diversos tipos de hardware de inteligencia artificial combinando memristores con circuitos CMOS (semiconductor complementario de óxido metálico) para imitar el comportamiento de las neuronas y las sinapsis, y actualmente se están llevando a cabo investigaciones relacionadas.
En unas décadas, incluso las máquinas expendedoras de bebidas podrían estar equipadas con inteligencia artificial similar al cerebro humano. Imagínese frente a una máquina expendedora, pulsando un botón, y que la máquina reconozca su huella dactilar u otra información biométrica y diga: «Sé qué bebida tomó el verano pasado». Probablemente usted simplemente respondería: «Entonces, deme la misma que la última vez».
