Resumen de avances recientes en computación bajo distintas tecnologías.
|
Dentro de poco alcanzaremos un grado tal de miniaturización en los circuitos nanoelectrónicos que chocaremos con el tamaño de los propios átomos. Los chips de silicio ya no podrán contener más transistores, ya que se necesitan unos cuantos átomos para hacer cada uno de esos componentes.
En una sociedad sin alma cada vez más sedienta de cálculos, aunque sólo sea por minar criptomonedas con las que estafar a los congéneres o para mantener una nube en donde resida nuestra infame red social, el enfrentarse al final del crecimiento exponencial de la potencia de cálculo puede suponer un problema, una barrera quizás infranqueable y un escollo para los idólatras del neoliberalismo.
Por ello se viene invirtiendo en campos como la computación cuántica, refugio en donde algunos físicos teóricos han podido sobrevivir en unos tiempos tan materialistas.
Varias compañías están poniendo recursos para conseguir procesadores cuánticos con cada vez mayor número de qubits y que puedan mantener la coherencia por más tiempo. Las ventajas de tener un alto nivel de paralelismo computacional con el mismo hardware supone una gran ventaja en este caso y permitiría saltarse las limitaciones impuestas por el fin de la ley de Moore.
El problema es que, hasta hora, se usaban iones en trampas magnéticas para recrear estos qubits y otros sistemas aparatosos y grandes. Pero, últimamente, se empieza a conseguir esto mismo con microchips de silicio que, aunque no tienen una arquitectura similar a los microprocesadores de nuestros smarphones, sí se pueden fabricar con la misma tecnología.
Recientemente, investigadores del Instituto Kavli de Nanotecnología de Delft han conseguido avances en este sentido. Parten de la captura de un solo electrón en un dispositivo de silicio (foto de arriba) para que constituya un qubit. Hasta ahora este qubit sólo podía estar correlacionado con sus próximos vecinos. Pero ya han podido demostrar que el spin de este electrón puede acoplarse con un fotón y que este acoplamiento permite la transferencia de información cuántica [1], lo que facilita la conexión de qubits distantes dentro de un mismo chip. Es es un paso adelante hacia el procesador cuántico de estado de silicio.
|
Hay otros grupos que investigan en la misma dirección. Hace pocas semanas, Intel anunciaba en el CES de Las Vegas avances en qubits basados en el spin de electrones confinados en silicio.
En el mismo certamen presentó también sus avances en la computación cuántica, más tradicional, que usa superconductores. Su portavoz, Brian Krzanich, presentó un microprocesador superconductor de 49 qubits denominado Tangle Lake (foto anterior). Estos procesadores cuánticos son más grandes y engorrosos que sus homólogos de silicio, pero se tiene una mayor experiencia con ellos.
Sin embargo, esta compañía es un poco parca o ambigua sobre la calidad, especificaciones y rendimientos de sus procesadores cuánticos, del tipo que sean.
Le sigue los talones IBM. Tal y como mencionamos en este mismo sitio web [2], esta compañía dice tener un procesador cuántico superconductor de 50 qubits.
No hace falta decir que todos estos procesadores cuánticos necesitan estar enfriados a una temperatura cercana el cero absoluto. No ya porque es la gama de temperaturas a la que la superconducción se da, sino, además, porque un temperatura más alta haría aparecer la decoherencia aún más pronto de lo que ya lo hace y se perderían las cualidad cuánticas deseadas en este tipo de sistemas. De todos modos, ninguno de estos sistemas consiguen mantener la coherencia cuántica más allá de una fracción minúscula de segundo, lo que no da para muchos cálculos.
Pero esto de la computación cuántica no es el único avance en el campo de la computación. En los últimos años hemos visto el avance del uso de redes neuronales en lo que se llama “inteligencia artificial” (IA). La compañía Google ha invertido esfuerzos en este campo y ha logrado que una de estas inteligencias gane a un maestro del juego del go [3] o encuentre exoplanetas en el mar de datos de la misión Kepler. Algo de lo que también hemos dado cuenta en esta web [4].
Un grupo de investigadores japoneses incluso dice que ha conseguido visualizar los pensamientos de algunos voluntarios usando este sistema. [5]
Las reglas básicas del funcionamiento de estas redes neuronales se establecieron en los años ochenta, pero es recientemente cuando se han tratado de implementar con éxito. Son recreadas como un software que corre en un computador convencional. Sólo se requiere una potencia de cálculo lo suficientemente elevada. A la red se le alimenta con ejemplos bajo un programa de entrenamiento y ella aprende por sí sola. Básicamente, son como una caja negra y no se sabe muy bien cómo funcionan por dentro una vez entrenadas.
Estas redes no son una panacea y a veces presentan problemas de sobreentrenamiento entre otras cosas. Así, por ejemplo, cuando se enseño a una red neuronal a reconocer a los gatos a base de entrenarla con fotos de gatos sacadas de Internet, esta red neuronal recreaba gatos imaginarios a los que les salían estructuras extrañas del cuerpo en forma de… texto. La red neuronal consideraba los subtítulos de las fotos de gatos como parte del propio gato.
|
La aproximación del National Institute of Standards and Technology (NIST) es más sofisticada, pues están tratando de conseguir redes neuronales no simuladas con computadores convencionales, sino realizadas físicamente con sistema superconductores basados en uniones Josephson [6]. Estas uniones hacen las veces de sinapsis neuronales.
No se trataría de un computador cuántico, ni tampoco de una computador digital, sino de un computador neuromórfico. Pero este sistema consigue “aprender” de la experiencia de una manera similar a como lo hacen las redes neuronales biológicas, pero funcionando a una velocidad varios órdenes de magnitud mayor que sus análogas vivas.
De momento, el logro se reduce al diseño de una sinapsis superconductora, pero bastaría diseñar una red de muchas de ellas para que funcionase como una red neuronal al uso.
Una neurona tiene dendritas que se conectan a las dendritas de otras neuronas a través de las sinapsis. Una neurona puede tener miles de estas sinapsis. La señal que una neurona lanza puede pasar o no través de una de estas sinapsis y que lo haga depende de su historia pasada. Estas conexiones se pueden reforzar con el tiempo, es decir facilitar el paso de la señal, o puede que no se refuercen, por lo que se dificultará el paso de esa señal. Este es, posiblemente, el proceso de aprendizaje más elemental posible y es a lo que se agarran los investigadores implicados para decir que su sistema aprende.
En este caso la sinapsis está constituida por una unión Josephson y sus circuitos periféricos (ver foto anterior). Es decir, dos superconductores separados por un aislante. La corriente eléctrica puede pasar de un lado a otro por efecto túnel superconductor. Estos investigadores han dispuesto dos metales superconductores de forma cilíndrica y 10 micras de diámetro, pero han sustituido el aislante convencional por otro que cambia según los “estímulos” que recibe. Conforme pasa más corriente, el aislante cambia sus propiedades y facilita cada más el paso de dicha corriente. Digamos que esta sinapsis se refuerza.
Este efecto se basa en que los momentos magnéticos de los átomos del aislante pueden estar ordenados al azar o ser orientados cada vez más en una dirección preferente, lo que facilita el paso de la señal eléctrica. La sensibilidad depende de la cantidad de átomos portadores de momento magnético del aislante y de la temperatura a la que se encuentre, lo que permite el ajuste fino del pico de voltaje. Así, por ejemplo, basta pasar de 271,15 grados centígrados bajo cero a 269,15 grados bajo cero para que cambie este pico de voltaje.
En un sistema así, los datos se podrían procesar y almacenar en unidades de flujo magnético.
Lo ventajoso de este sistema neuromórfico es que, en este caso, las neuronas superconductoras pueden dispararse 1000 millones de veces por segundo, frente a las 50 veces por segundo de las neuronas biológicas.
Además, el sistema es muy eficiente en términos energéticos, pues solo necesita una subida de 1 attojulio de pico de energía para operar, menos que la energía de ligadura entre dos átomos de una molécula.
Ahora, estos investigadores trabajan en cómo realizar una red neuronal 3D con este tipo componentes. Algo que no parece sencillo.
Sin duda avanzamos hacia el futuro a 60 minutos por hora y el sueño tecnológico del postfuturo nos va alcanzado, al parece bajo la brisa fría del helio líquido, y seguro que producirá monstruos no retrofuturistas. El tiempo dirá adónde nos llevan estas tecnologías. Pueden usarse para diseñar nuevos fármacos, pero también para la creación de un “Gran Hermano” aún más terrorífico del que ya sufrimos.
Todos los días, cada uno de nosotros nos enfrentamos a dilemas o pruebas morales, de modo continuo e inexorable. Cómo sea al final la sociedad de la que formamos parte depende ello, de cada pequeña decisión tomada.
El estimado lector lleva en su bolsillo un smartphone con una potencia de cálculo sin precedentes. Con una milésima parte de esa potencia un grupo de humanos puso al hombre en la Luna. ¿Qué es lo que hace usted con esa capacidad?, amigo lector, ¿lanzar pájaros virtuales contra estructuras para así destruir a los cerdos que se esconden en ellas?
Copyleft: atribuir con enlace a http://neofronteras.com/?p=5969 [7]
Fuentes de las fotos: TU Delft, Intel, NIST.