Computadoras inspiradas en el cerebro superan expectativas matemáticas

Las computadoras diseñadas para imitar la estructura del cerebro humano han demostrado tener una capacidad sorprendente. Pueden resolver algunas de las ecuaciones matemáticas más desafiantes que se encuentran en problemas científicos y de ingeniería.

En un estudio publicado en Nature Machine Intelligence, los neurocientíficos computacionales de Sandia National Laboratories, Brad Theilman y Brad Aimone, introdujeron un nuevo algoritmo que permite al hardware neuromórfico resolver ecuaciones diferenciales parciales, o PDEs, que son la base matemática para modelar fenómenos como la dinámica de fluidos, campos electromagnéticos y mecánica estructural.

Los resultados demostraron que los sistemas neuromórficos pueden manejar estas ecuaciones de manera eficiente. Este avance podría abrir la puerta a la primera supercomputadora neuromórfica, ofreciendo un nuevo camino hacia la computación energéticamente eficiente para la seguridad nacional y otras aplicaciones críticas.

La investigación fue financiada por la Oficina de Ciencia del Departamento de Energía a través de los programas de Investigación Científica Avanzada y Ciencias Básicas de Energía, así como por el programa de Simulación y Computación Avanzada de la Administración Nacional de Seguridad Nuclear.

Resolviendo Ecuaciones Diferenciales Parciales con Hardware Cerebral

Las ecuaciones diferenciales parciales son esenciales para simular sistemas del mundo real. Se utilizan para pronosticar el clima, analizar cómo los materiales responden a tensiones y modelar procesos físicos complejos. Tradicionalmente, resolver PDEs requiere un enorme poder de computación. Las computadoras neuromórficas abordan el problema de manera diferente, procesando información de formas que se asemejan al funcionamiento del cerebro.

"Estamos comenzando a tener sistemas computacionales que pueden exhibir un comportamiento similar al de la inteligencia. Pero no se parecen en nada al cerebro, y la cantidad de recursos que requieren es ridícula, francamente", comentó Theilman.

Durante años, los sistemas neuromórficos fueron vistos principalmente como herramientas para el reconocimiento de patrones o para acelerar redes neuronales artificiales. Pocos esperaban que pudieran gestionar problemas matemáticos rigurosos como las PDEs, que típicamente son manejados por supercomputadoras a gran escala.

Ahorro Energético en la Computación para la Seguridad Nacional

Los hallazgos podrían tener importantes implicaciones para la Administración Nacional de Seguridad Nuclear, responsable de mantener el sistema de disuasión nuclear del país. Las supercomputadoras utilizadas en el complejo de armas nucleares consumen enormes cantidades de electricidad para simular la física de los sistemas nucleares y otros escenarios de alto riesgo.

La computación neuromórfica podría ofrecer una manera de reducir significativamente el uso de energía mientras se mantiene un sólido rendimiento computacional. Al resolver PDEs de manera inspirada en el cerebro, estos sistemas sugieren que grandes simulaciones podrían ejecutarse utilizando mucho menos poder del que requieren las supercomputadoras convencionales.

"Puedes resolver problemas de física reales con computación similar a la del cerebro", afirmó Aimone. "Eso es algo que no esperarías porque la intuición de la gente va en la dirección opuesta. Y de hecho, esa intuición a menudo está equivocada".

El equipo visualiza que las supercomputadoras neuromórficas eventualmente se convertirán en centrales en la misión de Sandia de proteger la seguridad nacional.

Lo que la Computación Neuromórfica Revela sobre el Cerebro

Más allá de los avances en ingeniería, la investigación también toca preguntas más profundas sobre la inteligencia y cómo el cerebro realiza cálculos. El algoritmo desarrollado por Theilman y Aimone refleja de cerca la estructura y el comportamiento de las redes corticales.

"Basamos nuestro circuito en un modelo relativamente bien conocido en el mundo de la neurociencia computacional", explicó Theilman. "Hemos demostrado que el modelo tiene un vínculo natural pero no obvio con las PDEs, y ese vínculo no se había hecho hasta ahora, 12 años después de que se introdujo el modelo".

Los investigadores creen que este trabajo podría ayudar a conectar la neurociencia con las matemáticas aplicadas, ofreciendo una nueva comprensión de cómo el cerebro procesa información.

"Las enfermedades del cerebro podrían ser enfermedades de la computación", comentó Aimone. "Pero aún no tenemos un entendimiento sólido de cómo el cerebro realiza cálculos".

Si esta idea resulta correcta, la computación neuromórfica podría contribuir algún día a una mejor comprensión y tratamiento de trastornos neurológicos como el Alzheimer y el Parkinson.

Construyendo la Próxima Generación de Supercomputadoras

La computación neuromórfica sigue siendo un campo emergente, pero este trabajo representa un paso importante hacia adelante. El equipo de Sandia espera que sus resultados fomenten la colaboración entre matemáticos, neurocientíficos e ingenieros para ampliar lo que esta tecnología puede lograr.

"Si ya hemos demostrado que podemos importar este algoritmo matemático relativamente básico pero fundamental en neuromórfico, ¿hay una formulación neuromórfica correspondiente para técnicas matemáticas aplicadas aún más avanzadas?", preguntó Theilman.

A medida que el desarrollo continúa, los investigadores son optimistas. "Tenemos un pie en la puerta para entender las preguntas científicas, pero también tenemos algo que resuelve un problema real", concluyó Theilman.