Superconductores podrían simular el cerebro

Los componentes electrónicos que explotan el fenómeno de la superconductividad nos podría permitir el estudio del comportamiento colectivo de un gran número de neuronas que operan en escalas extensas de tiempo

Es el hallazgo de científicos de los EEUU, que han demostrado cómo las redes de neuronas artificiales con dos uniones Josephson pueden superar a las computadoras más tradicionales de simulación de cerebros en muchos órdenes de magnitud.

El estudio de sistemas basados em estas junturas podría mejorar nuestra comprensión del aprendizaje a largo plazo y la memoria junto con los factores que pueden contribuir a trastornos como la epilepsia.

El cerebro humano consta de unos 100.000 millones de células nerviosas conocidas como neuronas, cada una de ellas recibe como entrada señales eléctricas de una cantidad de sus vecinas y luego envía una salida eléctrica a otras —un proceso conocido como «encendido» o «disparo» («firing» en inglés)— cuando la suma de sus entradas supera un cierto nivel. A las conexiones entre las neuronas se las conce como sinapsis, y es la ponderación relativa de esto lo que determina cómo procesa la información el cerebro.

Una manera de simular el funcionamiento del cerebro es el uso de software. Por ejemplo, el proyecto Blue Brain de la Escuela Politécnica Federal de Lausana, en Suiza, involucra la simulación en preciso detalle biológico de 10.000 neuronas que componen la columna neocortical, bloque de construcción de la corteza cerebral o materia gris.

El problema de la falta de velocidad

Un inconveniente fundamental con esta manera de hacerlo es la velocidad. Las neuronas y sus conexiones existen en código informático, lo que significa que el sietam deberá ser simulado de forma secuencial. Esto requiere un importante poder de computación y los medios las simulaciones toman mucho más tiempo en ejecutarse que los procesos cerebrales reales. La alternativa es crear un análogo de la física del cerebro, haciendo que neuronas artificiales y conectándolas en paralelo. Una forma de hacerlo es crear neuronas usando transistores y luego explotar las técnicas de fabricación de microchips existentes para crear grandes redes neuronales. Desafortunadamente los transistores no tienen la linealidad entre intensidad y tensión que caracteriza a las neuronas, y reproducir este comportamiento implica conectar al menos el 20 transistores por cada neurona.

Las junturas Josephson, en cambio, son inherentemente no lineales y mucho más rápidas que los transistores, con una respuesta a un cambio en la entrada de alrededor de 10-11 s en lugar de los 10-9 s típicos en los transistores. Las junturas constan de dos capas superconductoras separadas por un espacio aislante, que es lo suficientemente delgado como para permitir las cargas pasen a través por efecto túnel y acoplen las funciones de onda de los dos superconductores. Las pequeñas corrientes no producen ningún voltaje sobre la brecha (este es la «supercorriente», que no encuentra ninguna resistencia), mientras que corrientes más grandes resultan en voltajes progresivamente mayores. Fundamentalmente, las corrientes intermedias provocar un pulso de voltaje de corta duración, que es el equivalente del disparo de las neuronas.

Ahora Patrick Crotty, Dan Schult y Ken Segall de la Colgate University en los EE.UU. han elaborado las matemáticas de una neurona artificial que consta de dos uniones Josephson y tres inductores, unidos a una sinapsis artificial que consiste en un inductor, un capacitor y un par de resistencias.

Tres características vitales

Las dos junturas corresponden a dos canales de iones diferentes en una neurona, uno responsable de iniciar el pulso de voltaje, mientras que el otro devuelve la neurona a su potencial de reposo. Crotty y sus colegas han demostrado que este sistema comparte tres características esenciales de una neurona real. Además de dusparar, este disparo sólo se produce cuando la corriente supera un cierto valor mínimo. Además, la neurona artificial, como una neurona real, debe descansar durante un cierto período de tiempo después de disparar y antes de poder dispararse de nuevo.

El equipo analizó cuánto más rápido podía dispararse esta neurona basada en junturas Josephson que las neuronas que se imitan en una cantidad de modelos de software diferentes, suponiendo que estos modelos se ejecutan en un equipo que puede realizar mil millones de operaciones de punto flotante por segundo

Encontraron que las neuronas individuales del dispositivo se pueden disparar unas 100 veces más rápido que el tipo más simple de neurona simulada. Pero esta ventaja, dicen los investigadores, sería mucho más pronunciada si se conectan entre sí un gran número de neuronas en una red. Ellos calculan que para 1.000 neuronas interconectadas, su disposición sería al menos 10 millones de veces más rápida.

Planificación de experimentos

El trabajo actual es puramente teórico, pero el grupo está comenzando a diseñar las redes de neuronas con la juntura Josephson en algunos prototipos iniciales de experimentos. Segall dice que a la larga debería ser sencillo fabricar chips con alrededor de 10.000 neuronas de juntura Josephson (suficiente para una columna neocortical), dado que ya se han producido circuitos similares con una cantidad doble de junturas. Incluyendo varios de estos chips juntos debería permitir a los investigadores estudiar determinados fenómenos colectivos neurales, tales como grupos de gran cantidad de neuronas disparándose en pasos, o sincronizándose, lo que podría resultar útil para combatir la epilepsia, dado que esta condición es causada por una sincronización no deseada.

El diseño actual no permite el aprendizaje debido a que la ponderación de las conexiones entre las sinapsis no se puede cambiar con el tiempo, pero Segall cree que si se puede agregar esta característica, entonces sus neuronas podría permitir que una vida entera de aprendizaje se simule en cinco o diez minutos. Esto, añade, debe ayudarnos a comprender cómo cambia el aprendizaje con la edad y puede darnos pistas sobre cómo se desarrollan los trastornos a largo plazo, como la enfermedad de Parkinson.

Henry Markram, el biólogo que dirige el proyecto Blue Brain, dice que el trabajo del grupo estadounidense «puede tener aplicaciones interesantes para las redes neuronales artificiales», pero cree que es menos útil para la reproducción de los circuitos del cerebro real. Esto es, dice, en parte porque a las neuronas de junturas Josephson les faltan las dendritas y axones que conectan entre sí a las neuronas reales. También señala que sería mucho más difícil monitorear neuronas individuales que en las simulaciones por ordenador, limitando este enfoque a los fenómenos que se caracteriza por los valores del sistema en conjunto, como los datos de las mediciones del electroencefalograma.

Fuente: Physics World. Aportado por Eduardo J. Carletti

Más información: