Paso 3: Teoría EEPA
Ahora hablamos de lo que es este proyecto sobre la simulación de procesos neuronales en un hardware. Ampliamente simulación neuronal, hablando se puede dividir en simulación de software (es decir, modelado de neuronas en una computadora) y simulación de hardware (es decir, la construcción de un chip que funciona como una neurona). Más adelante se llama ingeniería neuromórfica. Los investigadores tienen el objetivo de desarrollar neuronas artificiales en silicio, es decir, en un chip. ¿Por qué? Bueno, una de las ventajas de las neuronas de silicio son su poder computacional; calcular redes neuronales reales en paralelo considerando equipos computacionales serie, el llamado cuello de botella serie. Si uno quiere simular redes neuronales, computación paralela es necesario ya que es biológico plausible. Además, las neuronas de silicio tienen el potencial para ser utilizado como prótesis neurales, ya se ha demostrado que las neuronas artificiales pueden conectarse a los reales. En términos de Neurociencia explicativo, las neuronas de silicio tienen la ventaja que pueden simular las propiedades electrónicas de las neuronas directamente.
Como se puede ver, las neuronas de silicio tienen un buen potencial. Sin embargo, como siempre hay algunos límites. Simplemente hablando, las neuronas de silicio no son las neuronas reales, obviamente. Por ejemplo, mientras que el potencial de acción de las neuronas reales es una función de la interacción de los tipos de iones diferentes, los no modelados directamente en electrónica. En un circuito electrónico hay solamente un portador de la carga, el electrón, y eso es todo. Si uno quiere comportamiento neuronal del modelo en el nivel molecular, uno tiene que abstraer a un nivel superior, generalmente mediante la implementación de un software de simulación.
Este proyecto tiene dos objetivos. En primer lugar, el marco le permitirá simular no-electrónico propiedades de las neuronas en el hardware. En segundo lugar, el marco le permitirá interactuar (es decir, manipular) el comportamiento de los iones para procesos de simulación de que son más fácilmente accesibles especialmente para el observador. Por favor tenga en cuenta la diferencia entre los objetivos que se persiguen en ingeniería neuromórfica y definir críticos.*
EEPA, acrónimo de Arquitectura física electrónica extendida, es una idea novedosa que permite archivar el objetivo dos. En la EEPA, no simular procesos neuronales directamente en el circuito electrónico como lo hace en las neuronas de silicio y electrónica de uso para modelar el comportamiento de una no - electrónico propiedad física (por ejemplo luz) así que demuestra comportamiento neuronal (Fig. 6). Esto significa que las neuronas no son simuladas en el nivel electrónico pero a nivel de la luz.
Cabe señalar dos características de la EEPA. En primer lugar, como la simulación lleva a cabo en un nivel más abstracta (por ejemplo, luz), propiedades electrónicas no podrían ser simulados en hardware. Por otra parte, las propiedades electrónicas de las neuronas podrían también ser directamente simuladas en el circuito electrónico, por lo que uno no pierde esta ventaja de neuronas de silicio. Esto no es nada nuevo, puesto que la combinación de hardware y software de simulación conducen a resultados similares. La novedad radica en la segunda característica; como la simulación realmente debe ocurrir en el nivel de luz, puede manipular el comportamiento neuronal por la manipulación de luz. Propósito que simulación esto hace más accesible para el usuario, para el no especialista, así como por especialistas.
Todo esto puede sonar muy abstracto que hasta ahora, pero si usted lee acerca de la realización técnica en lo siguiente página se convierten en mucho más claro.
* Los objetivos son diferentes de ésos en la ingeniería neuromórfica; neuronas de sillicon clásica se hacen para ser tan pequeño como sea posible para simular redes neuronales grandes en poco espacio. En el marco propuesto aquí, uso eficiente del espacio se ve como importante en el posteriores desarrollo pasos. El foco aquí está en un modelo accesible que tiene el poder para simular propiedades en un amplio espectro de hardware.
