Hay algunos problemas que son simplemente demasiado complejos incluso para las computadoras más poderosas de hoy, y los investigadores están tratando de superar los límites de los diseños de computadoras tradicionales para permitir la solución de problemas computacionalmente difíciles.
La arquitectura de von Neumann, que ha definido el diseño de la informática durante los últimos 75 años, está siendo empujada en direcciones para las que nunca fue diseñada. Esta es la arquitectura de computación clásica, que define efectivamente la forma en que un procesador obtiene instrucciones de programa de la memoria, las ejecuta y almacena valores en la memoria.
Pero la arquitectura del programa almacenado descrita por John von Neumann es menos eficiente para resolver ciertas áreas de problemas complejos, en comparación con enfoques de computación completamente nuevos.
La computación cuántica es uno de los nuevos enfoques de la computación que abre la capacidad de ejecutar cálculos que serían imposibles de completar en una arquitectura de computación clásica. Sin embargo, las computadoras cuánticas son actualmente dispositivos altamente especializados. Solo recientemente los científicos han podido demostrar un dispositivo que no necesita ser sobreenfriado y mantenido cerca del cero absoluto (-270 ° C).
Peter Chapman, director ejecutivo y presidente de IonQ, que recientemente cotizó en la Bolsa de Nueva York, dijo que cuando se ejecuta el reconocimiento de escritura a mano, una computadora cuántica de 11 qubit supera a la informática clásica y es más precisa en su capacidad para manejar datos ruidosos. “El aprendizaje automático es la primera área de aplicación que se destinará a la computación cuántica”, dijo. “Es mucho más rápido crear modelos y los modelos son mejores”.
A diferencia del enfoque clásico, que debe programarse de manera que pueda compensar el ruido en el conjunto de datos, “un poco de ruido realmente ayuda”, dijo.
Es más, aunque la Ley de Moore se ha mantenido válida para las arquitecturas informáticas clásicas, donde la potencia de procesamiento se duplica cada 18 meses a dos años, la escalabilidad en la computación cuántica crece exponencialmente. “Estamos duplicando el número de qubits cada 10 meses”, dijo Chapman.
En una maquina con norte qubits, la potencia computacional se expresa como 2norte. En efecto, cada qubit adicional duplica la potencia de procesamiento. Para poner esto en perspectiva, dijo Chapman, el número de estados simultáneos que podría manejar un sistema de 120 qubit sería equivalente al número de átomos en el universo.
Según Chapman, modelar ciertas reacciones químicas requeriría el poder computacional que solo está disponible en los dominios de la computación cuántica. Pero incluso en el mundo real, ciertos tipos de optimizaciones son simplemente demasiado complicados para la informática clásica.
Existen numerosos informes sobre cómo los programadores que desarrollaron el software de optimización de rutas para la empresa de logística UPS solo utilizaron giros a la derecha en sus cálculos. En cuanto a la optimización de rutas, Chapman dijo: “Lo que hacemos hoy está lejos de ser la ruta óptima, ya que hay una serie de trampas que los programadores han descubierto”.
Si un conductor individual hace 120 entregas al día, el número de diferentes permutaciones de rutas es un número de 200 dígitos, dijo. Multiplique eso por el número de impulsores y, desde la perspectiva de los cálculos, el espacio problemático se volverá astronómico rápidamente. “Un enfoque cuántico ofrece una forma diferente de resolver el problema”, dijo Chapman.
IonQ está desarrollando una computadora cuántica que no necesita ser superenfriada. Según su hoja de ruta, la compañía planea ofrecer una computadora cuántica montada en rack para 2023.
Alternativa neuromórfica
Dicho sistema evitaría la latencia asociada con la ejecución de la computación cuántica como un recurso en la nube, para admitir aplicaciones en computación de alto rendimiento que necesitan conectividad de baja latencia con supercomputadoras y aplicaciones que dependen del procesamiento en tiempo real.
Es esta idea de llevar la computación desde la nube hacia el borde lo que está impulsando la arquitectura de chip Loihi de nueva generación de Intel para la computación neuromórfica. Loihi 2, presentado a finales de septiembre, es el chip de investigación neuromórfica de segunda generación de Intel. La compañía también ha lanzado Lava, un marco de software de código abierto para desarrollar aplicaciones inspiradas en neurología.
La computación neuromórfica adapta las propiedades fundamentales de las arquitecturas neuronales que se encuentran en la naturaleza para construir un nuevo modelo de arquitectura informática.
El papel Computación neuromórfica avanzada con Loihi describe la computación neuromórfica como clases de computación inspirada en el cerebro que desafían el modelo de von Neumann. Los autores del artículo dijeron que una de las áreas de aplicación más prometedoras de la tecnología neuromórfica es emular cómo ha evolucionado el cerebro biológico para resolver los desafíos de interactuar con entornos dinámicos y, a menudo, impredecibles del mundo real.
Reflejando el mundo biológico, un chip neuromórfico tiene una neurona, sinapsis para la conectividad de neurona a neurona y dendritas, que permiten que la neurona reciba mensajes de múltiples neuronas.
Según las especificaciones de Intel, cada chip Loihi 2 consta de núcleos de microprocesador y hasta 128 núcleos de neuronas totalmente asíncronos conectados por una red en chip (NoC). Los núcleos de neuronas están optimizados para cargas de trabajo neuromórficas, cada uno de los cuales implementa un grupo de neuronas “en punta”, incluidas todas las sinapsis que se conectan a las neuronas.
Toda la comunicación entre los núcleos de neuronas se realiza en forma de mensajes de picos, que imitan las redes neuronales de un cerebro biológico. Mientras que el chip Loihi anterior tenía tres núcleos de microprocesador, Intel dijo que ha duplicado el número de núcleos de microprocesador integrados en Loihi 2 a seis.
Garrick Orchard, investigador de Intel Labs, dijo: “No estamos tratando de modelar directamente la biología, sino tomando algunas cosas que creemos que son importantes”.
En el chip Loihi, para modelar el comportamiento biológico de las neuronas, una parte del chip funciona como el núcleo de la neurona, dijo. “Tenemos un poco de código que describe la neurona”, agregó. También hay versiones de computación neuromórfica de sinapsis y dendritas biológicas, todas construidas con tecnología digital asincrónica. semiconductor complementario de óxido de metal (CMOS) tecnología.
Redes neuronales profundas
Dado que la computación neuromórfica está inspirada en sistemas biológicos, las redes neuronales profundas (DNN) para el aprendizaje automático son una de las áreas de aplicación a las que se dirige. Orchard agregó: “El uso de la computación neuromórfica para un DNN es algo que la gente entiende, pero debemos diferenciar. No estamos tratando de ser un DNN acelerado. La IA es más que aprendizaje profundo “.
Donde Loihi 2 y la computación neuromórfica en su conjunto parecen encajar bien es en el área de la computación perimetral para procesar datos de sensores a baja latencia. Orchard dijo que podría usarse dentro de un micrófono o cámara y ofrecer una percepción visual y táctil similar a los sistemas biológicos, en sistemas como los controladores de brazo robótico que pueden adaptarse al peso de un objeto que está tratando de levantar, o dentro de un dron para proporcionar control de latencia muy baja.
Dentro de un entorno de centro de datos, una computadora neuromórfica podría impulsar un motor de recomendación o usarse en computación científica para modelar cómo las fuerzas se propagan a través de una estructura física, dijo Orchard.
Existe una cierta superposición en las áreas de aplicación con la computación cuántica. Orchard dijo que se puede aplicar una computadora neuromórfica para resolver una cierta clase de optimización difícil, como la programación en el operador de trenes Deutsche Bahn, que actualmente está investigando su uso.
Pero aunque puede haber una superposición en las áreas de aplicación, Orchard dijo que, a diferencia de una computadora cuántica, es mucho más fácil escalar una computadora neuromórfica. El chip Loihi 2 puede escalar simplemente conectando los chips juntos. “Se pueden construir sistemas muy grandes”, agregó.
Con Loihi 2 y Lava, la computación neuromórfica se acerca a la comercialización, dijo Orchard.
Tanto Intel como IonQ están buscando poner la informática de próxima generación más cerca del borde. El enfoque de Intel con Loihi consiste efectivamente en diseñar un chip semiconductor para que se comporte de manera similar a una neurona cerebral y luego usar algoritmos inspirados biológicamente para ejecutar esta nueva arquitectura. La computación cuántica se basa en la física cuántica.
Aunque son muy diferentes, ambos enfoques ofrecen una idea de cómo se podrían abordar problemas computacionalmente complejos en el futuro.