es.wedoany.com Noticia: Investigadores de la Universidad Estatal de Oregón (Oregon State University) han desarrollado un dispositivo de almacenamiento digital fotosensible que integra detección, almacenamiento y procesamiento de señales en un solo fototransistor, lo que podría reducir los costos energéticos del hardware de IA en el futuro.
El dispositivo, desarrollado por la Facultad de Ingeniería de la Universidad Estatal de Oregón, cuyos resultados fueron publicados en la revista Advanced Functional Materials, imita la capacidad clave del cerebro de reforzar recuerdos importantes mientras permite que la información secundaria se desvanezca con el tiempo. El nuevo dispositivo acerca el proceso de IA al sensor, en lugar de forzar la transmisión de datos entre módulos de hardware independientes, realizando así parte del trabajo directamente en el punto donde incide la luz.
Larry Cheng, profesor de Ingeniería Eléctrica y Ciencias de la Computación y líder del proyecto, afirmó: "Nuestro dispositivo optoelectrónico introduce una nueva capacidad de hardware que podría permitir un procesamiento de información más eficiente directamente a nivel del sensor". El hardware de IA actual distribuye la detección, el almacenamiento y el procesamiento involucrados en la percepción de las máquinas en diferentes componentes, y los datos deben viajar constantemente entre ellos, lo que consume energía y reduce la eficiencia.
El dispositivo de la Universidad Estatal de Oregón aborda este desafío integrando directamente parte de las funciones de almacenamiento y procesamiento en el sensor de luz. Utiliza un fototransistor fabricado con dos materiales diferentes: un semiconductor de óxido forma el canal del transistor (la ruta por la que fluye la corriente), y una capa orgánica fotosensible en la parte superior absorbe la luz y genera carga. Cuando la luz incide sobre el dispositivo, parte de la carga queda atrapada dentro de la capa fotosensible. Incluso después de que la luz desaparece, la carga atrapada continúa afectando la corriente que fluye a través del canal semiconductor, permitiendo que el dispositivo retenga la memoria de la señal de luz previamente detectada.
La memoria no es estática. Al aplicar un pequeño voltaje de puerta eléctrica, los investigadores pueden cambiar la posición de la carga atrapada con respecto al canal del transistor. Cuando la carga se acerca al canal, el efecto se intensifica y la memoria dura más; cuando se aleja, el efecto se debilita y la memoria se desvanece más rápido. Este comportamiento es similar a la forma en que el cerebro biológico regula la memoria: en el cerebro, las señales químicas determinan si un recuerdo se refuerza o se olvida; en el dispositivo, las señales eléctricas desempeñan un papel similar, otorgando al hardware una vida útil de memoria programable.
Esto es especialmente útil para el campo de la computación neuromórfica (neuromorphic computing), que busca construir sistemas informáticos que imiten las redes neuronales biológicas. También se alinea con la tendencia más amplia hacia la computación en el sensor (in-sensor computing), que procesa los datos en el punto de captura en lugar de transmitirlos a procesadores y almacenes independientes. Para los sistemas de visión artificial, esto significa que el hardware puede filtrar, ponderar y retener temporalmente la información visual antes de que llegue al procesador tradicional. Los robots, los drones, las cámaras de seguridad o los sistemas autónomos pueden no necesitar almacenar para siempre cada señal visual; alguna información solo requiere atención breve, otra necesita retenerse por más tiempo, y otra debería desaparecer casi de inmediato.
Larry Cheng dijo: "Este dispositivo de almacenamiento fotosensible con vida útil de memoria programable crea una ventana de tiempo ajustable para procesar señales visuales y de otros sensores directamente en el punto de detección. Esta capacidad podría permitir sistemas de visión más eficientes y otras tecnologías de IA basadas en sensores". La investigación aún se encuentra a nivel de dispositivo y no puede reemplazar directamente los aceleradores de IA o sensores de imagen actuales. Sin embargo, esta dirección señala una trayectoria de desarrollo de hardware que podría hacer que los futuros sistemas de IA dependan menos del movimiento constante de datos entre sensores, memorias y procesadores. Si se logra escalar con éxito, los dispositivos de IA podrían volverse más rápidos, más compactos y de menor consumo energético, especialmente en sistemas de borde donde la eficiencia energética es crucial.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
