El Dr. Javier Baladrón, académico del Departamento de Ingeniería Informática (DIINF) de la Universidad de Santiago de Chile, se ha adjudicado un proyecto Fondecyt titulado “NeuroMetaEvo: Integración de Técnicas Metaheurísticas con Neurociencia para el Diseño Avanzado de Algoritmos Neuromórficos”. Esta iniciativa busca impulsar la computación neuromórfica mediante la integración de técnicas metaheurísticas con principios de neurociencia, permitiendo el diseño de algoritmos más eficientes y robustos para estos sistemas emergentes.
Las arquitecturas computacionales tradicionales, basadas en el modelo de von Neumann, están alcanzando sus límites operacionales. En este contexto, la computación neuromórfica surge como una alternativa revolucionaria al emular la eficiencia y adaptabilidad del cerebro humano mediante hadware especializado. A diferencia de los procesadores convencionales, los sistemas neuromórficos implementan redes neuronales de espigas (spiking neural networks o SNNs), las cuales procesan información en forma de eventos discretos, optimizando el consumo energético y permitiendo operaciones en paralelo.
Empresas como Intel e IBM están desarrollando sus propios chips neuromórficos, sin embargo, el avance en algoritmos que aprovechen al máximo esta tecnología es aún limitado. Uno de los principales desafíos es la imposibilidad de aplicar directamente técnicas de entrenamiento tradicionales, como la retropropagación del error, debido a la naturaleza no diferenciable de las funciones de activación en redes de espigas. En este escenario, las metaheurísticas se presentan como una solución viable, ya que permiten la optimización sin necesidad de información de gradiente.
El proyecto liderado por el Dr. Baladrón tiene como meta integrar enfoques metaheurísticos, mecanismos de plasticidad y conocimientos en neurociencia moderna para el diseño de algoritmos neuromórficos avanzados. La investigación se enfocará en optimizar atributos clave de las redes neuromórficas, como su topología, pesos sinápticos, parámetros neuronales y reglas de plasticidad. A largo plazo, esta iniciativa busca superar las limitaciones de los métodos tradicionales y establecer nuevas bases para la inteligencia artificial eficiente y sostenible.
El desarrollo del proyecto contempla el uso del marco de simulación ANNarchy, actualmente en desarrollo junto con la Universidad Técnica de Chemnitz, Alemania. Además, se prevé la implementación de estos algoritmos en dispositivos FPGA de arquitectura SoC (System-on-Chip), combinando procesadores ARM con hardware programable. En una etapa posterior, se realizarán pruebas a gran escala en plataformas FPGA, permitiendo validar los avances obtenidos.
Este proyecto no solo fortalecerá la investigación en inteligencia artificial en la Universidad de Santiago, sino que también potenciará la colaboración entre el DIINF, el Departamento de Ingeniería Eléctrica y la Universidad Técnica de Chemnitz.. Como parte de sus objetivos, se espera la publicación de artículos en revistas de alto impacto y la presentación de resultados en conferencias internacionales.
A: En una red neuronal de picos, las neuronas emiten eventos discretos (picos) que se transmiten a otras a través de sinapsis. La información se codifica mediante la frecuencia o el patrón temporal de los picos.
B: Una neurona de picos integra su entrada y genera picos observables como aumentos en su potencial de membrana. Estos picos afectan a las neuronas conectadas al enviarles señales.
C: En una red de 100 neuronas de picos, cada fila representa una neurona y cada punto un pico emitido. El gráfico muestra la actividad colectiva de la red.
El Dr. Javier Baladrón invita a los estudiantes del DIINF interesados en computación neuromórfica a participar del proyecto como ayudantes de investigación o tesistas. Ademas este semestre se abrirá un topico de especialidad en el tema. Para conocer más detalles y participar en el proyecto, pueden escribir al correo .
