Publicado
"La mejor manera de predecir el futuro es crearlo". – Peter Drucker, reconocido consultor de gestión y autor.
Estamos presenciando un gran cambio en la informática, que avanza hacia un nuevo enfoque que imita el funcionamiento de nuestro cerebro. Este campo, la computación neuromórfica , podría transformar la manera en que resolvemos problemas complejos y utilizamos la inteligencia artificial (IA).
Se inspira en la estructura y el funcionamiento del cerebro. La computación neuromórfica busca crear circuitos y sistemas electrónicos que mejoren en funciones como la visión, la toma de decisiones y el aprendizaje. Al utilizar la eficiente manera en que el cerebro procesa la información, podemos crear computadoras que consuman menos energía y rindan mejor en diversas tareas.
Analizaremos las ideas principales, los nuevos descubrimientos y cómo este campo transformará la tecnología. Acompáñanos para descubrir cómo la creación de computadoras con capacidad de procesamiento cerebral podría cambiar el futuro.
Puntos Clave
- Computación neuromórfica es un campo emergente que tiene como objetivo imitar las capacidades de procesamiento de información del cerebro humano.
- El objetivo es desarrollar tecnologías informáticas avanzadas que puedan superar a los sistemas digitales tradicionales en tareas como la percepción, la toma de decisiones y el aprendizaje.
- Computación neuromórfica aprovecha el cerebro informática energéticamente eficiente y capacidades de procesamiento de información para crear sistemas informáticos de bajo consumo y alto rendimiento.
- La computadora neuromórfica de Intel, Hala Point, puede realizar cargas de trabajo de IA 50 veces más rápido y utilizar 100 veces menos energía que los sistemas informáticos convencionales.
- Los investigadores están explorando diversos materiales, incluidos el grafeno y el nafión, para desarrollar dispositivos informáticos similares a un cerebro con mayor rendimiento y eficiencia energética.
¿Qué es la Computación Neuromórfica?
La computación neuromórfica es un campo que combina biología, física, matemáticas, informática e ingeniería. Su objetivo es crear sistemas neuronales artificiales que funcionen como el cerebro humano. La ingeniería neuromórfica estudia cómo la estructura y las funciones del cerebro pueden contribuir al desarrollo de mejores sistemas informáticos.
Definición e inspiración del cerebro humano
El cerebro humano es increíblemente complejo, con miles de millones de neuronas y billones de conexiones. La computación neuromórfica intenta imitar la forma en que el cerebro procesa la información. Se centra en cómo las neuronas trabajan juntas y utiliza redes neuronales de impulsos para gestionar tareas basadas en el tiempo.
Aspectos clave de la ingeniería neuromórfica
- Emulando la naturaleza analógica de la computación biológica
- Comprender el papel de las neuronas en la cognición.
- Utilizando Aumento de las redes neuronales por la computación temporal
- Diseño Arquitecturas inspiradas en el cerebro para eficiente y robusto Computación cognitiva
- Aprovechando Redes neuronales artificiales crear Ingeniería neuromórfica sistemas
Los sistemas neuromórficos están diseñados para funcionar como neuronas y sinapsis en el cerebro. Esto puede hacerlas más eficientes, adaptables y capaces de manejar errores mejor que las computadoras tradicionales.
| Atributo | Computación neuromórfica | Computación tradicional |
|---|---|---|
| Consumo de energía | Altamente eficiente energéticamente, operando con una fracción de la energía requerida por los sistemas tradicionales. | Consumo intensivo de energía: la supercomputadora más rápida del mundo requiere 21 millones de vatios de potencia |
| Enfoque de procesamiento | Procesamiento en paralelo, con neuronas y sinapsis que manejan tanto la memoria como los cálculos al mismo tiempo | Procesamiento secuencial, con la arquitectura von Neumann separando la memoria y la CPU |
| Respuesta en tiempo real | Capaz de respuestas "instantáneas", ideal para procesamiento de datos de sensores en tiempo real y aplicaciones de IoT | Tiempos de respuesta más lentos debido al ciclo constante entre el procesador y la memoria |
| Reconocimiento de formas | Destaca en el reconocimiento de patrones debido a procesamiento masivamente paralelo capacidades | Capacidades limitadas de reconocimiento de patrones en comparación con los sistemas neuromórficos. |
A pesar de desafíos como la precisión, las limitaciones del software y los problemas de acceso, la computación neuromórfica se está explorando para diversas aplicaciones. Entre ellas se incluyen la inteligencia artificial, los sistemas autónomos, los nuevos semiconductores y el aprendizaje profundo.
"Se cree que la cuestión de la eficiencia energética es clave para descubrir los secretos del cerebro y comprender cómo logra niveles tan altos de funcionalidad con un consumo mínimo de energía".
El poder de supercomputación del cerebro
El cerebro humano es una asombrosa maravilla natural que actúa como una supercomputadora. Utiliza sólo 20 vatios de potencia pero puede realizar tareas increíbles. Estas tareas incluyen procesar información, percibir el mundo y tomar decisiones. Esto es mucho más eficiente que los superordenadores más rápidos del mundo, que necesitan 21 millones de vatios.
Los científicos están muy interesados en cómo funciona el cerebro. Estudian sus métodos de computación para mejorar las computadoras y los algoritmos del futuro. Al analizar cómo el cerebro utiliza el procesamiento paralelo , la computación temporal y su eficiencia energética , esperan lograr grandes avances en el uso del cerebro como supercomputadora.
| Computadora neuromórfica | Rendimiento | Consumo de energía |
|---|---|---|
| Punto Hala | 380 billones de operaciones sinápticas por segundo | 100 veces menos energía que las máquinas convencionales |
| Sur profundo | 228 billones de operaciones sinápticas por segundo | Ocupa sólo seis bastidores en una caja de servidor estándar |
| Frontera empresarial de Hewlett Packard | Más de un trillón de operaciones por segundo | Cubre 680 metros cuadrados y requiere 22.7 megavatios para funcionar. |
El cerebro como supercomputadora es mucho más eficiente energéticamente que las supercomputadoras antiguas. Esto demuestra el enorme potencial de la computación neuromórfica. A medida que los investigadores sigan mejorando esta tecnología, podemos esperar un futuro donde las computadoras y la IA sean más eficientes y potentes, inspiradas en el cerebro humano.
"El cerebro humano puede realizar la misma cantidad de operaciones que las supercomputadoras con sólo 20 vatios de potencia".
Cerrar la brecha entre el cerebro y los sistemas artificiales
La computación neuromórfica busca superar la brecha entre la capacidad de procesamiento del cerebro y las limitaciones de los sistemas digitales tradicionales. Se centra en la proporcionalidad energética , donde los componentes solo consumen energía cuando es necesario. También explora el paralelismo masivo , procesando información en múltiples neuronas simultáneamente.
El chip SpiNNaker2: una plataforma neuromórfica flexible
El chip SpiNNaker2 es una plataforma neuromórfica de vanguardia. Puede gestionar hasta 10 mil millones de neuronas y realizar 0.3 exaops de tareas de IA. Esto demuestra cómo el hardware neuromórfico puede superar a los sistemas tradicionales.
El chip SpiNNaker1, su predecesor, es utilizado por 60 grupos de investigación en 23 países. Esto demuestra el creciente interés por estos sistemas.
Sandia National Labs es uno de los primeros en utilizar SpiNNaker2 para investigación. Planean estudiar cómo los sistemas neuromórficos pueden superar a los tradicionales. El SpiNNaker2 admite reglas de aprendizaje complejas que no son posibles en sistemas más antiguos.
Se están llevando a cabo esfuerzos de colaboración en la Universidad de Purdue, la Universidad de California en San Diego (UCSD) y la Escuela Superior de Física y Química Industrial (ESPCI) de París. Eric Carlson, profesor de Purdue, señala las limitaciones de las computadoras actuales para la IA avanzada y destaca la gran necesidad de soluciones de hardware neuromórfico .
Potenciación de redes neuronales y computación temporal
La base de la computación neuromórfica reside en las redes neuronales de impulsos (SNN, por sus siglas en inglés) . Estas redes utilizan la sincronización de los impulsos eléctricos, o picos, para codificar información. Esto difiere de las redes neuronales artificiales tradicionales , que emplean la activación neuronal continua. Este método basado en impulsos es fundamental para comprender el funcionamiento de nuestro cerebro y podría dar lugar a sistemas informáticos más eficientes e inteligentes.
Comunicación basada en picos y codificación de información
Los sistemas neuromórficos utilizan la sincronización de la información para procesarla mejor que los sistemas digitales antiguos en ciertas tareas. Imitan la forma en que el cerebro utiliza la energía de manera eficiente, ajustándola según la actividad que esté realizando. Las redes neuronales de impulsos consumen mucha menos energía que las redes antiguas porque solo funcionan cuando es necesario. Esto significa que, en general, consumen menos energía.
- El chip neuromórfico Speck utiliza muy poca energía cuando no está funcionando, sólo 0.42 mW, lo que demuestra que es energéticamente inteligente.
- Este chip puede realizar tareas en tiempo real utilizando solo 0.70 mW, lo que demuestra que es eficiente en el uso real.
- Uso de plataformas como SpiNNaker, BrainScales, Neurogrid, TrueNorth, Darwin, Loihi y Tianjic comunicación basada en picos para ahorrar energía.
- El chip Speck puede procesar un solo pico en sólo 3.36 µs, lo que demuestra que es rápido para inteligencia artificial basada en picos.
Las redes neuronales de impulsos son excelentes para procesar secuencias y patrones a lo largo del tiempo. Esto les permite comprender mejor el contexto y cómo cambian las cosas. Utilizan mecanismos como la plasticidad dependiente del tiempo de los impulsos (STDP) para aprender de los patrones de datos. Esto podría dar lugar a una IA que aprenda con el tiempo y mejore gradualmente.
"La computación neuromórfica promete una mejora de órdenes de magnitud en la eficiencia energética en comparación con el paradigma de computación tradicional de von Neumann".
Computación neuromórfica: construcción de computadoras similares a cerebros
El campo de la computación neuromórfica se centra en crear ordenadores que funcionen como el cerebro humano. Utiliza la eficiente manera en que el cerebro procesa la información para crear nuevos tipos de ordenadores. Estos ordenadores pueden, por ejemplo, ver, tomar decisiones y aprender mejor que los ordenadores antiguos.
La computación neuromórfica cambia la forma en que diseñamos las computadoras. Se aleja de los viejos sistemas que procesan la información paso a paso. En cambio, utiliza la forma en que el cerebro hace muchas cosas a la vez. Esto hace que las computadoras consuman menos energía y funcionen mejor para algunas tareas.
La computación neuromórfica puede resolver problemas que las computadoras antiguas no pueden. Lo logra combinando unidades de memoria y procesamiento en una sola. Esto significa que las computadoras pueden trabajar más rápido y consumir menos energía.
Esta idea no es solo un sueño. Se está haciendo realidad gracias a proyectos como el Proyecto Cerebro Humano y la Iniciativa BRAIN . Empresas como IBM e Intel también trabajan en ello. Han creado chips como TrueNorth y Loihi que demuestran el gran potencial de esta tecnología.
La computación neuromórfica nos está llevando a nuevos descubrimientos en inteligencia artificial y robótica. Al imitar el cerebro, podríamos crear ordenadores que transformen nuestra manera de resolver problemas complejos e interactuar con el mundo.
Superar el cuello de botella de von Neumann
La mayoría de los ordenadores actuales utilizan la arquitectura von Neumann , donde la memoria y la CPU están separadas. Esta configuración, conocida como el cuello de botella de von Neumann , los hace menos eficientes. Los datos se mueven constantemente entre el procesador y la memoria, lo que supone un desperdicio de energía. El cerebro, en cambio, combina la memoria y el procesamiento en un mismo lugar, lo que lo hace muy eficiente. La computación neuromórfica investiga arquitecturas centradas en la memoria y el procesamiento en memoria para imitar la eficiencia del cerebro.
Arquitecturas centradas en la memoria y computación en memoria
El cerebro consume muy poca energía, a diferencia de las supercomputadoras actuales. Esto se debe a que procesa la información sin transferir datos entre la memoria y las unidades de procesamiento. La computación neuromórfica busca lograr lo mismo, centrándose en arquitecturas centradas en la memoria y en la computación en memoria . Estos métodos acercan la computación al lugar donde se almacenan los datos.
Estas arquitecturas neuromórficas tienen algunas características clave:
- Procesamiento de datos espaciales y temporales, inspirado en el cerebro. picos de redes neuronales
- Procesamiento de información altamente paralelo y distribuido, similar a la interconectividad masiva del cerebro.
- El uso de tecnologías de memoria emergentes, como los memristores, para crear sinapsis artificiales que puedan aprender y adaptarse.
Proyectos como el chip TrueNorth de IBM y los sistemas SpiNNaker y BrainScaleS del Proyecto Cerebro Humano de la UE están a la vanguardia de la computación neuromórfica . Su objetivo es igualar la eficiencia y la escala del cerebro en sistemas artificiales.
Superar el cuello de botella de von Neumann es clave para liberar todo el potencial de la computación neuromórfica . Se trata de lograr que las computadoras sean tan eficientes como el cerebro humano.
Sensores de visión neuromórficos y procesamiento basado en eventos
La computación neuromórfica ha logrado grandes avances en los sensores de visión y los sistemas de procesamiento. Estos sistemas funcionan como el cerebro, procesando la información a medida que sucede. Esto es diferente de las cámaras antiguas que capturan y procesan todo todo el tiempo.
Estos sensores de visión, conocidos como sensores de visión basados en eventos (EVS, por sus siglas en inglés) , solo reaccionan a los cambios en lo que ven. Envían información en ráfagas, al igual que nuestro cerebro. Esto los hace ideales para tareas que requieren visión rápida y de bajo consumo, como en robots, coches autónomos y dispositivos inteligentes.
| Comparación | Cámara tradicional | Sensor de visión neuromórfico |
|---|---|---|
| Procesamiento de datos | Captura y procesamiento continuo de información visual. | Impulsado por eventos, respondiendo solo a cambios en la escena. |
| Eficiencia energética | Mayor consumo de energía | Altamente percepción de eficiencia energética |
| Aplicaciones | Imágenes de uso general | Robótica, vehículos autónomos, dispositivos IoT |
Los sensores de visión neuromórfica y el procesamiento basado en eventos ofrecen grandes ventajas. Empresas como Sony Semiconductor Solutions Group y startups como PROPHESEE están a la vanguardia. Han combinado sus conocimientos para crear sensores de visión neuromórfica avanzados.
"Los sensores de visión basados en eventos pueden monitorear objetos que se mueven a altas velocidades en tiempo real y se espera que mejoren las capacidades de inteligencia artificial y robótica".
Necesitamos sistemas de visión artificial más eficientes y rápidos. El trabajo en sensores de visión neuromórfica y procesamiento basado en eventos es muy prometedor. Al aprender del funcionamiento de nuestros ojos, estas tecnologías podrían conducir a un futuro más inteligente y sostenible para las redes neuronales de impulsos y la percepción energéticamente eficiente.
Tecnología Memristor y RAM resistiva
Las nuevas tecnologías de memoria, como los memristores y la memoria RAM resistiva (RRAM), están revolucionando la computación neuromórfica. Funcionan como las sinapsis y neuronas de nuestro cerebro, combinando memoria y computación de forma similar a como lo hace el cerebro.
Neuristores y dispositivos de inspiración biológica
Los científicos han creado neuristores , dispositivos que funcionan como nuestras células cerebrales. Estos pueden ser componentes clave de los sistemas neuromórficos. Dichos dispositivos y tecnologías son excelentes para la creación de computadoras neuromórficas eficientes y potentes.
El chip tiene 5,832 memristores, un procesador OpenRISC y muchos convertidores. Utiliza poco más de 300 milivatios y puede realizar 188 mil millones de operaciones por segundo por vatio. Si se fabricara con tecnología más nueva, utilizaría sólo 42 mW y funcionaría aún mejor sin necesidad de memoria adicional.
| Viruta | Consumo de energía | Rendimiento |
|---|---|---|
| Chip basado en memristor | 300 mW | 188 GOPS/W |
| Chip basado en memristor en proceso de 40 nm | 42 mW | 1.37 SUPERIORES/W |
| El último chip acelerador de IA de investigación de Nvidia | N/A | 9.09 SUPERIORES/W |
Investigadores chinos han logrado grandes avances en computación neuromórfica . Para ello, utilizan tecnología de memristores y memoria RAM resistiva . Este trabajo está liderado por el Laboratorio Clave de Materiales y Tecnología Emisores de Luz Ultravioleta y la Facultad de Ciencias de la Universidad de Ciencia y Tecnología de Changchun.
"El chip basado en memristor demostró una precisión del 94.6 por ciento a la hora de distinguir tumores malignos de benignos mediante el aprendizaje no supervisado".
Principales proyectos e iniciativas de investigación
La computación neuromórfica es de gran interés para investigadores y líderes tecnológicos de todo el mundo. Han puesto en marcha numerosos proyectos e iniciativas de gran envergadura. Estos esfuerzos buscan aprovechar al máximo la computación inspirada en el cerebro e impulsar el avance de este campo.
El Proyecto Cerebro Humano y la Iniciativa BRAIN
El Proyecto Cerebro Humano es un ambicioso proyecto de 1.3 millones de dólares financiado por la Comisión Europea. Su objetivo principal es simular un cerebro humano completo en una supercomputadora. Esto nos ayudará a comprender su funcionamiento y a desarrollar nuevas tecnologías informáticas. En Estados Unidos, la Iniciativa BRAIN también trabaja para aplicar el conocimiento sobre el cerebro al diseño de nuevos sistemas informáticos.
El chip TrueNorth de IBM y el Loihi de Intel
Grandes nombres de la tecnología también se han lanzado a la computación neuromórfica. IBM e Intel han fabricado chips que copian las redes neuronales del cerebro. Estos chips podrían cambiar la forma en que utilizamos la tecnología, desde los teléfonos inteligentes hasta los vehículos autónomos.
| Proyecto/Iniciativa | Financiación | Enfoque clave |
|---|---|---|
| Proyecto Cerebro Humano | 1.3 millones de dólares (Comisión Europea) | Simulación del cerebro humano en una supercomputadora |
| Iniciativa BRAIN | Financiado por el gobierno de EE. UU. | Aprovechar la investigación del cerebro para nuevas arquitecturas informáticas |
| IBM TrueNorte Viruta | I+D interno de IBM | Servicios hardware neuromórfico |
| Intel Loihi Viruta | I+D interno de Intel | Servicios hardware neuromórfico |
Estos grandes proyectos e innovaciones tecnológicas están preparando el escenario para un futuro con computación neuromórfica. Esto cambiará la forma en que procesamos la información y resolvemos problemas.
Desafíos y Perspectivas de Futuro
El campo de la computación neuromórfica está en auge, pero se enfrenta a grandes desafíos. Su objetivo es imitar la complejidad del cerebro humano en sistemas artificiales. Esto implica convertir las complejas redes neuronales del cerebro en hardware y software funcionales.
Un gran desafío es combinar nuevas tecnologías de memoria como memristores con estos sistemas. Otro obstáculo es lograr que estos sistemas sean tan poderosos como el cerebro humano. Además, faltan estándares para probar estos sistemas, lo que ralentiza su uso.
A pesar de estos obstáculos, las perspectivas para la computación neuromórfica son prometedoras. A medida que se desarrolle, es probable que esta tecnología dé lugar a sistemas informáticos inspirados en el cerebro y energéticamente eficientes . Estos sistemas resolverán problemas complejos mejor que las computadoras actuales y podrían transformar numerosos sectores, desde la tecnología hasta la atención médica.
Los expertos afirman que necesitamos más apoyo, trabajo en equipo e ideas innovadoras para que la computación neuromórfica se generalice. Con el apoyo adecuado, esta tecnología podría transformar nuestra forma de usar las computadoras y la inteligencia artificial.
"La computación neuromórfica podría impulsar robots, automóviles autónomos y dispositivos inteligentes utilizando una potencia de procesamiento significativamente menor que la tecnología existente".
La computación neuromórfica presenta grandes desafíos, pero sus beneficios son enormes. A medida que expertos y líderes trabajen en este campo, veremos sistemas informáticos energéticamente eficientes e inspirados en el cerebro . Estos sistemas transformarán la inteligencia artificial y mucho más.
Conclusión
La computación neuromórfica está cambiando nuestra forma de pensar sobre las computadoras. Está inspirado en las asombrosas habilidades del cerebro humano. Estos sistemas podrían funcionar mejor que las computadoras antiguas en muchas áreas, como ver, tomar decisiones, aprender y resolver problemas.
La computación neuromórfica aprovecha la eficiencia del cerebro para procesar información. Además, utiliza el procesamiento paralelo y almacena datos a lo largo del tiempo, lo que la hace ideal para resolver problemas complejos. Podría revolucionar la inteligencia artificial, la robótica, la atención médica y la neurociencia.
Los investigadores siguen aprendiendo del cerebro para crear mejores sistemas artificiales. El futuro de la computación neuromórfica y la computación inspirada en el cerebro se presenta muy prometedor. Con más trabajo y colaboración, podremos aprovechar al máximo estas nuevas tecnologías. Esto dará lugar a soluciones más inteligentes, flexibles y energéticamente eficientes.
Preguntas Frecuentes
¿Qué es la computación neuromórfica?
La computación neuromórfica es un nuevo campo que tiene como objetivo hacer que los sistemas electrónicos funcionen como el cerebro. Utiliza la forma en que el cerebro procesa la información para hacer que las computadoras sean más eficientes. El objetivo es crear tecnología avanzada que utilice menos energía y funcione mejor.
¿Cuáles son los aspectos clave de la ingeniería neuromórfica?
Se centra en cómo el diseño del cerebro puede contribuir a mejorar los ordenadores. Entre los puntos clave se incluyen la imitación del método analógico de computación del cerebro, la comprensión del funcionamiento de las neuronas y el uso de redes neuronales de impulsos para una mejor sincronización.
¿Cómo se compara la potencia informática del cerebro con la de las supercomputadoras tradicionales?
El cerebro es visto como la supercomputadora más poderosa, que utiliza solo 20 vatios para realizar tareas asombrosas. Por el contrario, el superordenador más rápido utiliza 21 millones de vatios.
¿Cómo pretende la computación neuromórfica cerrar la brecha entre el cerebro y los sistemas artificiales?
Utiliza las formas eficientes del cerebro para procesar información para mejorar las nuevas computadoras. Esto incluye usar menos energía y trabajar en paralelo, lo que podría hacer que las computadoras sean mejores que las antiguas.
¿Cuál es el papel de las redes neuronales con picos en la computación neuromórfica?
Las redes neuronales de refuerzo son clave en este campo. Utilizan picos eléctricos para enviar información, lo que podría hacer que las computadoras sean más eficientes e inspiradas en el cerebro.
¿Cómo aborda la computación neuromórfica las limitaciones de la arquitectura de von Neumann?
El cerebro combina memoria y computación en un solo lugar, lo que lo hace muy eficiente. La computación neuromórfica también analiza cómo hacer esto, para que las computadoras funcionen más como el cerebro.
¿Cuál es el papel de las tecnologías de memoria emergentes en la computación neuromórfica?
Las nuevas tecnologías de memoria como memristores y RRAM son importantes. Pueden actuar como células y conexiones cerebrales, ayudando a mezclar la memoria y la computación de forma similar al cerebro.
¿Cuáles son algunos de los principales proyectos e iniciativas de investigación en computación neuromórfica?
El Proyecto Cerebro Humano es un gran esfuerzo para simular un cerebro humano con una supercomputadora. La Iniciativa BRAIN en Estados Unidos también trabaja en nuevas ideas de computación basadas en el cerebro. Empresas como IBM e Intel fabrican chips que contribuyen a este campo.
¿Cuáles son los desafíos y las perspectivas futuras de la computación neuromórfica?
Este campo es prometedor pero enfrenta grandes desafíos, como hacer que las redes artificiales sean tan complejas como las reales. A medida que crezca, podría conducir a computadoras más eficientes, similares a cerebros, que resuelvan problemas complejos mejor que las actuales.
Enlaces de origen
- https://www.livescience.com/technology/computing/intel-unveils-largest-ever-ai-neuromorphic-computer-that-mimics-the-human-brain – Intel presenta la 'computadora neuromórfica' de IA más grande jamás creada que imita el cerebro humano
- https://cockrell.utexas.edu/news/archive/9541-graphene-synapses-advance-brain-like-computers – Las sinapsis de grafeno hacen avanzar las computadoras similares al cerebro
- https://blog.westerndigital.com/neuromorphic-computing/ – Los científicos que persiguen la computación neuromórfica similar al cerebro
- https://builtin.com/artificial-intelligence/neuromorphic-computing – ¿Qué es la computación neuromórfica? | Construido en
- https://www.nature.com/articles/s43588-021-00184-y – Oportunidades para algoritmos y aplicaciones de computación neuromórfica – Nature Computational Science
- https://www.newscientist.com/article/2426523-intel-reveals-worlds-biggest-brain-inspired-neuromorphic-computer/ – Intel revela la computadora neuromórfica 'inspirada en el cerebro' más grande del mundo
- https://singularityhub.com/2023/12/20/a-new-brain-like-supercomputer-aims-to-match-the-scale-of-the-human-brain/ – Una nueva supercomputadora similar a un cerebro pretende igualar la escala del cerebro humano
- https://spectrum.ieee.org/neuromorphic-computing-spinnaker2 – Una computadora inspirada en el cerebro alcanza un tamaño similar al del cerebro
- https://www.unite.ai/bridging-the-gap-between-ai-and-neuromorphic-computing/ – Cerrando la brecha entre la IA y la computación neuromórfica
- https://www.nature.com/articles/s41467-024-47811-6 – Computación dinámica basada en picos con chip neuromórfico de computación de sensores asíncronos – Nature Communications
- https://medium.com/@deanshorak/spiking-neural-networks-the-next-big-thing-in-ai-efe3310709b0 – Aumentar las redes neuronales: ¿la próxima “gran novedad” en IA?
- https://arxiv.org/html/2310.09692v2 – Computación neuromórfica basada en picos para la visión por computadora de próxima generación
- https://www.frontiersin.org/journals/neurorobotics/articles/10.3389/fnbot.2022.1041108/full – Fronteras | Una visión general de la computación similar al cerebro: arquitectura, aplicaciones y tendencias futuras
- https://www.asianometry.com/p/why-brain-like-computers-are-hard – Por qué las computadoras con forma de cerebro son difíciles
- https://www.zdnet.com/article/what-is-neuromorphic-computing-everything-you-need-to-know-about-how-it-will-change-the-future-of-computing/ – ¿Qué es la computación neuromórfica? Todo lo que necesitas saber sobre cómo está cambiando el futuro de la informática
- https://www.hpcwire.com/2016/03/21/lacking-breakthrough-neuromorphic-computing-steadily-advance/ – Más allá de von Neumann, la computación neuromórfica avanza constantemente
- https://seas.yale.edu/news-events/news/path-toward-brain-computers – El camino hacia las computadoras similares al cerebro
- https://www.nature.com/articles/s41528-024-00313-3 – En sensores de visión neuromórficos flexibles que no son de von Neumann – npj Flexible Electronics
- https://www.sony-semicon.com/en/feature/2022032501.html – Los sensores de visión basados en eventos que pueden funcionar como nervios ópticos humanos y monitorear solo los cambios en los sujetos abrirán nuevas y enormes posibilidades para la IA y los robots | Característica｜Sony Semiconductor Solutions Group
- https://spectrum.ieee.org/first-programmable-memristor-computer – Primera computadora de memristor programable
- https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2021.662457/full – Fronteras | Sistemas memristivos autoalimentados para almacenamiento y computación neuromórfica
- https://www.nature.com/articles/s41467-024-45670-9 – Implementación de hardware de redes neuronales artificiales basadas en memristores – Nature Communications
- https://www.gu.se/en/news/new-discovery-opens-the-way-for-brain-like-computers – Un nuevo descubrimiento abre el camino a las computadoras similares a un cerebro
- https://www.mccormick.northwestern.edu/news/articles/2021/04/new-brain-like-computing-device-simulates-human-learning/ – Un nuevo dispositivo informático similar a un cerebro simula el aprendizaje humano
- https://medium.com/@kakotiaditya/about-the-future-neuromorphic-computing-d3d58ffeac22 – Sobre el futuro: Computación neuromórfica
- https://www.morganstanley.com/ideas/neuromorphic-computing-ai-brain – La informática cognitiva aporta el toque humano | Morgan Stanley
- https://www.intechopen.com/chapters/86207 – Computación neuromórfica entre la realidad y las necesidades futuras
- https://www.linkedin.com/pulse/neuromorphic-computing-power-brain-inspired-technology-kumar-wa7ae – Computación neuromórfica: el poder de la tecnología inspirada en el cerebro
- https://docs.lib.purdue.edu/cgi/viewcontent.cgi?article=1010&context=ideas – Aplicaciones de la Computación Neuromórfica