Ante el creciente consumo de energía de las tecnologías de aprendizaje automático, aumenta la demanda de dispositivos de inteligencia artificial con bajo consumo y alto rendimiento computacional. Los “reservorios físicos” son dispositivos de IA que realizan un procesamiento de información eficiente inspirado en el cerebro, conocido como computación de reservorio, y resultan atractivos gracias a su baja carga computacional y bajo consumo de energía. Sin embargo, su menor rendimiento computacional en comparación con el procesamiento de software ha sido, hasta ahora, una desventaja.
Un equipo de investigación del NIMS, la Universidad de Ciencia de Tokio y la Universidad de Kobe ha desarrollado recientemente un reservorio de compuerta iónica (IGR) basado en un transistor de doble capa eléctrica (EDL) de ion-gel/grafeno que ha logrado un alto rendimiento computacional comparable al del aprendizaje profundo, al tiempo que reduce la carga computacional en órdenes de magnitud. Al combinar grafeno, que posee alta movilidad electrónica y comportamiento ambipolar, con un ion-gel, se desarrollan diversas respuestas con diferentes velocidades (iones y electrones moviéndose de diversas maneras) a través de interacciones complejas, permitiendo que el dispositivo responda a las señales de entrada con constantes de tiempo (tasas de cambio) que varían en un rango extremadamente amplio.
Según los informes, el dispositivo exhibió el nivel más alto de rendimiento computacional entre los reservorios físicos convencionales, comparable al del aprendizaje profundo realizado con software, logrando al mismo tiempo reducir la carga computacional a aproximadamente 1/100. Este sistema de alto rendimiento basado en ion-gel/grafeno también es altamente compatible con la electrónica flexible, que se espera sea la próxima generación de dispositivos de borde.
