Decima-8: una arquitectura que quiere reinventar los chips neuromórficos

La computación neuromórfica lleva años siendo una de las áreas más prometedoras y, a la vez, más decepcionantes de la microelectrónica. La idea es sencilla y atractiva: construir chips que funcionen según los principios del cerebro biológico y obtener un cálculo con una eficiencia energética varios órdenes de magnitud mayor. En la práctica, cada intento choca con los mismos muros. La arquitectura Decima-8 pretende, si no derribarlos, sí desplazarlos de forma notable, y lo hace en varios frentes a la vez.

Para entender qué propone Decima-8, conviene examinar la naturaleza de los problemas. Las redes neuronales de picos actuales codifican la información de forma binaria: la neurona o bien "dispara" o bien no. Para transmitir gradaciones de la señal, sin las cuales es imposible cualquier cálculo mínimamente complejo, hay que recurrir a la codificación por frecuencia, que estira un solo valor a lo largo de muchos ciclos, o aumentar el número de líneas físicas de transmisión.

Ambos enfoques devoran tiempo y área del chip. En paralelo existe un problema de hardware. Los crossbars de memristores, que sobre el papel parecen el sustrato ideal para la computación neuromórfica, sufren en la práctica ruido, deriva de parámetros e indeterminismo.

Cada chip requiere calibración individual, lo que convierte la producción en masa en una pesadilla para los ingenieros. Además, las redes en el chip (Network-on-Chip) tradicionales consumen hasta un cuarenta por ciento del área del chip en enrutadores, y alrededor del setenta por ciento de la energía no se gasta en cálculo, sino en mover datos entre bloques.

Decima-8 ataca ambos problemas a la vez con tres novedades clave. La primera es el formato Level16. En lugar de un pico binario, cada línea transmite un nivel de activación de cero a quince en un solo ciclo de reloj. Dieciséis gradaciones son un compromiso deliberado entre la tosquedad de la representación binaria y lo caprichoso de la continuidad analógica. Cuatro bits por valor bastan para transmitir un gradiente de señal con contenido, y el sistema sigue siendo totalmente digital y determinista. No hace falta gastar decenas de ciclos en codificar por frecuencia un solo número: el valor se transmite al instante.

La segunda novedad son los crossbars digitales, que emulan el comportamiento de las matrices de memristores pero carecen de sus defectos principales. Sin ruido, sin deriva, sin calibración individual. Cada chip se comporta igual y cada cálculo es reproducible. Suena a paso atrás: renunciar a la neuromorfia analógica "auténtica" en favor de una emulación digital. Pero en ingeniería el pragmatismo suele ganar a la elegancia. Los memristores son hermosos en teoría y penosos en fabricación. Los crossbars digitales de Decima-8 sacrifican la belleza teórica a cambio de funcionar en la práctica.

La tercera solución, y quizá la más radical, es la activación en relevo. En lugar del enrutamiento por paquetes tradicional, donde los datos viajan entre teselas de cálculo a través de una red de enrutadores, Decima-8 propaga la activación por un grafo de dependencias. Las teselas no "conversan" entre sí en el sentido habitual: la activación simplemente fluye de un bloque de cálculo al siguiente a lo largo de un grafo predefinido.

Esto permite prescindir por completo de los enrutadores en el chip. Cero por ciento de área en enrutadores es una cifra que suena casi provocadora frente al cuarenta por ciento estándar. Una latencia fija en lugar de la latencia impredecible de una red de paquetes no es solo una optimización; es un modelo de computación cualitativamente distinto.

Conviene, sin embargo, mantener la cabeza fría. La arquitectura está descrita por ahora solo a nivel conceptual, y entre un esquema elegante y el silicio funcionando hay una distancia enorme. Dieciséis niveles de activación están bien para cierta clase de tareas, pero para muchos modelos modernos de aprendizaje automático incluso la cuantización de ocho bits se considera agresiva. La cuestión de escalar la activación en relevo a grafos con miles de millones de nodos sigue abierta. Los crossbars digitales resuelven el problema del determinismo, pero pueden perder frente a las soluciones analógicas en eficiencia energética, que es precisamente la gran promesa de la computación neuromórfica.

Aun así, Decima-8 merece atención como intento conceptualmente coherente de repensar la arquitectura neuromórfica en su conjunto y no por piezas. La industria ha intentado demasiado tiempo resolver el problema de la codificación por separado del de la comunicación y por separado del de la implementación en hardware. El enfoque de "todo a la vez" es arriesgado, pero si al menos una parte de las características anunciadas se confirma en hardware, podría marcar una nueva dirección para toda una generación de procesadores neuromórficos. En un mundo donde el consumo energético de los centros de datos se vuelve un problema geopolítico, cualquier arquitectura capaz de reducir de forma radical el gasto de energía en cómputo merece un estudio atento.