Sistemas magnetoiónicos reproducen funciones de aprendizaje y olvido del cerebro

Con la llegada del big data, las arquitecturas computacionales actuales están resultando ser insuficientes. Las dificultades para disminuir el tamaño de los transistores, el gran consumo de energía y las limitadas velocidades de operación hacen de la computación neuromórfica una alternativa prometedora.

Se trata de un nuevo paradigma de computación inspirado en el cerebro que reproduce la actividad de las sinapsis biológicas utilizando redes neuronales artificiales. Sus dispositivos funcionan como un sistema de interruptores, de modo que la posición ON corresponde a la retención de información o ‘aprendizaje’, mientras que la posición OFF corresponde a la eliminación de información u ‘olvido’.

Hasta ahora, la mayoría de sistemas utilizados para este fin estaban controlados en última instancia mediante corrientes eléctricas, lo que implicaba una importante pérdida de energía por disipación de calor.

Uso de la magnetoiónica

Sin embargo, los autores han utilizado la magnetoiónica, el control no volátil de las propiedades magnéticas de los materiales mediante la migración de iones impulsada por el voltaje, que disminuye drásticamente el consumo de energía y hace que el almacenamiento de datos sea energéticamente eficiente.

Aunque la disipación de calor disminuye con los efectos de la migración de iones, el movimiento magnetoiónico del oxígeno a temperatura ambiente suele ser lento para las aplicaciones industriales, ya que implica varios segundos o incluso minutos para cambiar el estado magnético.

Dadas sus estructuras cristalinas, se escogieron los óxidos de cobalto para la fabricación de las capas, cuyos grosores oscilaban entre los 5nm y los 230nm. Se analizó el papel del grosor de las capas en el comportamiento magnetoiónico resultante, lo que reveló que cuanto más finas son las capas, más rápidamente se alcanza la generación de magnetización.

“Demostramos que se pueden conseguir transiciones ON-OFF de subsegundos en películas de óxido de cobalto paramagnéticas con electrolitos, reduciendo drásticamente el espesor de la película de más de 200 nm a 5 nm”, destacan los autores en su estudio.

Experimento en el sincrotrón ALBA

Para caracterizar la composición y el estado de oxidación de las capas de óxido de cobalto, que resultaron ser diferentes para las capas más finas y las más gruesas, se realizaron espectros de absorción de rayos X (XAS) en una de las línea de luz del sincrotrón ALBA (Barcelona). Estos hallazgos fueron cruciales para entender las diferencias en el movimiento magnetoiónico del oxígeno entre las capas.

Como las velocidades de operación alcanzadas en este trabajo eran similares a las utilizadas para la computación neuromórfica, se siguieron estudiando las capas de óxido de cobalto de menor grosor. En particular, se indujeron efectos relacionados con las capacidades neuromórficas de aprendizaje, y los resultados aportaron pruebas de que los sistemas magnetoiónicos pueden emular las funcionalidades de aprendizaje y olvido.

El equipo considera que estos sistemas muestran “características que podrían ser útiles para el diseño de redes neuronales artificiales cuyas propiedades magnéticas se regirían con el voltaje”.

Además de la computación neuromórfica, otras aplicaciones prácticas como las memorias magnéticas y la espintrónica también se pueden beneficiar de los resultados de este trabajo. La combinación de estas memorias con la magnetoiónica energéticamente eficiente podría ser una vía para reducir las energías operacionales en la próxima generación de medios de almacenamiento de datos.