Cientistas criam sinapses artificiais para computação neuromórfica

O cérebro humano tem sido considerado o objeto mais complicado do universo. Tentando replicar essa capacidade ainda inigualável para a computação, os cientistas do Los Alamos National Laboratory criaram um novo dispositivo memristivo do tipo interface, que seus resultados sugerem que pode ser usado para construir sinapses artificiais para a próxima geração de computação neuromórfica. Dispositivos memristivos, ou memristores, representam uma tecnologia de circuito há muito procurada que, ao contrário da atual tecnologia de resistores, possui recursos de programação e memória - os memristores podem lembrar em que estado elétrico estavam quando desligados, uma habilidade semelhante ao cérebro humano que abre novas possibilidades para computação e dispositivos.

“O processamento de dados é uma parte essencial da ciência atual, com aprendizado de máquina, inteligência artificial e redes neurais artificiais usadas para abordar questões urgentes em tudo, desde ciência climática até aplicações de segurança nacional”, disse Aiping Chen, cientista do Laboratório do Centro de Nanotecnologias Integradas. "Mas a arquitetura de computação convencional exige muita energia e é cada vez menos capaz de escalar para atender a desafios de dados cada vez maiores. A computação neuromórfica, que imita o armazenamento de dados inigualável e a arquitetura de processamento e capacidades do cérebro humano, oferece um caminho para continuar a estender o desempenho da computação."

A computação convencional é limitada pelo chamado gargalo de von Neumann, no qual a computação e a memória são separadas. O processamento de tarefas avançadas, como aprendizado de máquina e reconhecimento de imagem em computadores digitais, consome uma quantidade significativa de energia e tempo devido à transferência de dados entre uma unidade central de processamento e a memória. O consumo de energia do data center aumentou rapidamente nos últimos anos, com projeções de que aproximadamente 8% da eletricidade mundial será usada por data centers até 2030.

Além disso, na arquitetura de computador convencional, bilhões de transistores em microchips baseados em silício servem como interruptores para o código binário de um computador. Limites físicos para a miniaturização desses transistores ajudaram a significar o fim da Lei de Moore, uma máxima que previa a duplicação do poder de processamento aproximadamente a cada dois anos.

Colocando o armazenamento e o processamento de informações nas sinapses, que conectam os 100 bilhões de neurônios que enviam e recebem informações químicas, o "processamento na memória" do cérebro humano economiza tempo e energia. A computação neuromórfica depende de dispositivos emergentes, como memristores, interruptores entre dois terminais que controlam e lembram a carga que flui, para replicar a estrutura e a função das sinapses.

No campo de rápida evolução da computação neuromórfica, os projetos de memristores incluíram sistemas de filamentos, nos quais uma carga é fornecida através dos dispositivos. Mas, propensos ao superaquecimento, os sistemas de filamentos carecem de estabilidade e confiabilidade.

Chen e seus colegas estão trabalhando em uma abordagem diferente chamada memristor do tipo interface e produziram um dispositivo confiável e de alto desempenho com uma estrutura simples baseada em uma interface SrTiO3 dopada com Au/Nb – essencialmente ouro e outros materiais semicondutores. Os memristores do tipo interface podem, em princípio, ser reduzidos a um tamanho nanométrico que mesmo a tecnologia de memristores baseada em filamentos não pode alcançar. (Em contraste, um fio de cabelo humano tem aproximadamente 100.000 nanômetros de espessura.) E, especialmente em contraste com os chips neuromórficos baseados em transistores, o dispositivo memristivo do tipo interface precisa de muito menos energia para abastecer seu processamento.

“Diferente da computação digital com arquitetura de von Neumann, a computação neuromórfica, inspirada em sistemas biológicos, funciona exatamente como um cérebro”, disse Chen. "As vantagens dessa estrutura incluem baixo consumo de energia, alto paralelismo e excelente tolerância a erros. Afinal, o cérebro humano funciona com apenas 20 watts, mas aprende de maneira extremamente eficaz. Essas vantagens o tornam muito bom para tarefas avançadas de computação, como aprendizado, reconhecimento e tomada de decisão".