| Resumen | La Inteligencia Artificial de la que oímos hablar a todas horas se basa en técnicas de aprendizaje automático con redes neuronales artificiales, que se ejecutan en muchos casos en sistemas informáticos convencionales (GPUs). Debido al volumen de datos, tiempos de entrenamiento y sobre todo a los métodos de computación empleados, estos sistemas necesitan grandes recursos, resultando en elevados consumos energéticos y de tiempo. Nuestros cerebros, por contra, almacenan y procesan la información de manera analógica y asíncrona con un consumo mínimo de energía, gracias a células especializadas y realizando multitud de cálculos simultáneamente que son, además, tolerantes a los errores. La investigación en computación neuromórfica está buscando modos de imitar la flexibilidad del cerebro y su habilidad para aprender de estímulos asíncronos con redes de neuronas y conexiones sinápticas artificiales, con un consumo mínimo de energía. Existen en la actualidad gran variedad de propuestas para neuronas y sinapsis artificiales basadas en dispositivos espintrónicos, que aprovechan tanto las propiedades magnéticas como las eléctricas de los electrones en la nanoescala. Una sinapsis artificial debe ser un dispositivo que sea capaz de actualizarse con nueva información (aprendizaje) y almacenar y procesar información analógica (memoria). Conectando varias sinapsis se crea una red neuronal que, mediante el entrenamiento, se pueda ajustar el estado de cada sinapsis para que la red almacene colectivamente información. Estas sinapsis artificiales se pueden fabricar a partir de memristores espintrónicos, componentes cuyo estado magnético se puede entrenar de forma que se modifica el valor de su resistencia al paso de la corriente eléctrica. Para fabricar estos memristores se usan técnicas de nanolitografía, que luego son inspeccionadas con microscopía. En este trabajo de fin de grado se aplicarán técnicas de procesamiento de imagen y aprendizaje automático para analizar las imágenes de microscopía y permitir fabricar memristores con un funcionamiento optimizado. ¡Podrás utilizar redes neuronales convencionales para diseñar redes neuronales neuromórficas! Además, una vez analizadas las imágenes y extraídos los mejores parámetros experimentales, se simulará una red neuronal en la cual se utilizarán los dispositivos fabricados como modelo para las sinapsis. Esta simulación podría ser el punto de partida para el diseño futuro de una red neuronal neuromórfica. |
|---|