Cálculo neuromórfico robusto de baja energía utilizando dispositivos sinápticos

La computación inspirada en el cerebro es un campo emergente, que tiene como objetivo alcanzar un rendimiento similar al del cerebro en el procesamiento en tiempo real de datos sensoriales. Los desafíos que deben abordarse para alcanzar un sistema computacional de este tipo incluyen la construcción de una arquitectura compacta masivamente paralela con dispositivos de interconexión escalables, consumo de energía ultrabajo y esquemas de computación neuromórfica robustos para la implementación del aprendizaje en hardware. En este artículo, discutimos estrategias de programación, características de materiales y esquemas de picos, que permiten la implementación de plasticidad sináptica simétrica y asimétrica con dispositivos que utilizan materiales de cambio de fase. Demostramos que el consumo de energía se puede optimizar ajustando el régimen de operación del dispositivo y el esquema de picos. Nuestras simulaciones ilustran que una matriz cruzada compuesta por dispositivos sinápticos y neuronas puede lograr un aprendizaje asociativo similar al hipocampo con sinapsis simétricas y aprendizaje de secuencias con sinapsis asimétricas. La completación de patrones para patrones con un 50% de elementos faltantes se logra a través del aprendizaje asociativo con plasticidad simétrica. La robustez del aprendizaje frente al ruido de entrada, la variación en los datos sensoriales y la variación en la resistencia del dispositivo se investiga a través de simulaciones.