La computación neuromórfica se inspira en cómo calculan los cerebros: muchas unidades simples, memoria local, comunicación mediante pulsos breves y trabajo solo cuando ocurre algo. Busca un consumo muy bajo y una reacción rápida en tareas sensoriales, apartándose de la separación entre memoria y procesador de las computadoras convencionales.
Conceptos clave
- Neuronas de pulsos: unidades que integran la entrada a lo largo del tiempo y emiten un pulso al cruzar un umbral.
- Cómputo dirigido por eventos: hay actividad solo cuando hay pulsos, así que las partes ociosas gastan casi nada de energía.
- Plasticidad sináptica: las intensidades de las conexiones cambian con la actividad, como en la plasticidad dependiente del tiempo de los pulsos.
- Cómputo en memoria: guardar los pesos donde se usan, para que los datos no vayan y vengan.
- Sensores de eventos: cámaras y micrófonos que dan los cambios en vez de fotogramas completos.
Vocabulario
- Tren de pulsos: la sucesión de instantes en que dispara una neurona.
- Integra y dispara con fugas: el modelo de neurona común más simple, una carga que se escapa y se reinicia tras disparar.
- Cuello de botella de von Neumann: el coste de mover datos entre una memoria y un procesador separados.
- Codificación por tasa y temporal: la información en la frecuencia con que disparan las neuronas, o en el instante exacto.
Qué estudiar, en orden
- Neurociencia básica de la neurona, la sinapsis y el potencial de acción.
- Simula una neurona de integra y dispara con fugas y dibuja su respuesta a distintas entradas.
- Construye una red pequeña de pulsos y entrénala con una regla de aprendizaje local.
- Compárala con una red neuronal convencional en energía y precisión para una tarea sencilla.
- Lee sobre la detección basada en eventos y en qué se distinguen los chips neuromórficos analógicos y digitales.
Etiquetas relacionadas
#computational-neuroscience #deep-learning #computer-architecture #analog #edge-computing