Un grupo de ha logrado crear una máquina que aprende como el cerebro humano, utilizando unos nuevos componentes que actúan igual que las sinapsis.

Explicación:

El cerebro humano es una máquina de computación compleja que contiene ~ 1011 neuronas interconectadas por ~ 1015 sinapsis. Funciona de una manera altamente paralela, tolerante a fallas y energéticamente eficiente que puede superar a las computadoras modernas en algunas tareas complejas y no estructuradas, como el reconocimiento de patrones, el control de motores y la multisensorial.

Inspirados en el funcionamiento del cerebro humano, los dispositivos sinápticos han atraído un interés generalizado en los últimos años y tienen un gran para servir como bloques de para la computación neuromórfica no von Neumann en la inteligencia de próxima generación.

Como uno de los componentes mejor estudiados de los dispositivos sinápticos, se han desarrollado y adoptado ampliamente memristores inorgánicos basados ​​en varios mecanismos de conmutación como sinapsis artificiales. Sin embargo, los desafíos de la , incluida la no linealidad en el proceso de , la conmutación costosa de energía y la falta de biocompatibilidad para la interfaz de tejidos, aún existen lo que limita su implementación.

Los transistores sinápticos orgánicos presentan una alternativa natural: muestran escritura de bajo voltaje, ajuste continuo de los estados de conductancia, sintonía de materiales y biocompatibilidad, así como potencial de de gran superficie y de bajo costo. Con base en estas propiedades únicas, los transistores sinápticos orgánicos no solo pueden simular funciones sinápticas básicas como a corto plazo (STP), plasticidad a largo plazo (LTP) y plasticidad del tiempo de picos (STDP), sino que también son capaces de funcionan como dispositivos biomiméticos para interactuar directamente con el tejido vivo, lo cual es fundamental para la bioelectrónica de próxima generación capaz de procesar y analizar señales de alto orden.

Más : https://www.nature.com/articles/s41467-021-22680-5