Novo transistor semelhante ao cérebro vai ‘além da aprendizagem de máquina’
Pesquisadores desenvolveram um transistor inovador que opera e armazena informações de maneira semelhante ao cérebro humano, demonstrando habilidades em funções cognitivas que representam um desafio para a maioria dos sistemas de inteligência artificial (IA) atuais.
Este dispositivo, denominado “transistor sináptico”, reflete a estrutura do cérebro, onde a capacidade de processamento e a memória estão integradas em um único local. Isso contrasta com os designs convencionais de computadores, nos quais o processador e a memória são entidades separadas.
Mark Hersam, um dos líderes da pesquisa e professor especializado em ciência dos materiais, engenharia e computação na Universidade Northwestern, esclareceu que a arquitetura cerebral difere significativamente de um computador digital. Nos computadores padrão, os dados transitam continuamente entre o processador e a memória, o que leva a um alto consumo de energia e a gargalos durante o processamento de múltiplas tarefas simultaneamente.
O transistor sináptico se destaca por sua integração completa de poder computacional e memória, o que resulta em uma eficiência energética notável e na capacidade de processar dados com extrema rapidez. Essas características foram detalhadas em um estudo publicado na revista Nature em 20 de dezembro. Os pesquisadores enfatizam a importância dessa nova estrutura de computação diante do crescente uso de energia e da demanda por capacidades de computação de IA.
Transistores sinápticos anteriores só funcionavam em temperaturas extremamente baixas, mas esta nova versão opera eficazmente em temperatura ambiente.
Em contraste com a eletrônica convencional, que organiza transistores em uma base de silício, este novo modelo envolve a sobreposição de grafeno bilayer (BLG) e nitreto de boro hexagonal (hBN), torcidos para formar um padrão moiré.
Ao girar uma camada em relação à outra, emergiram características eletrônicas únicas, que não existiam nas camadas separadamente. Foi necessário um grau específico de torção e um alinhamento quase perfeito entre o hBN e o BLG para funcionar em temperatura ambiente.
A equipe testou o desempenho do transistor através da aprendizagem associativa, uma tarefa desafiadora para muitos algoritmos de aprendizado de máquina. O dispositivo foi treinado para reconhecer padrões e, em seguida, testado com sequências similares, porém diferentes.
Hersam destacou a meta de avançar a tecnologia de IA em direção a processos de pensamento mais complexos. Diante das condições complexas do mundo real, o dispositivo foi testado em condições mais complicadas para validar suas capacidades avançadas.
Em um experimento, a IA foi treinada para detectar a sequência 000. Quando confrontada com padrões similares, como 111 e 101, a IA identificou a semelhança de três dígitos consecutivos, uma tarefa de raciocínio complicada para as ferramentas de IA atuais. A IA também demonstrou aprendizagem associativa com padrões incompletos.
Hersam, em um diálogo com o Live Science, mencionou que, embora o modelo atual utilize hBN e BLG, outros materiais bidimensionais poderiam criar diversas heteroestruturas moiré, indicando um vasto potencial no campo emergente da computação neuromórfica moiré.
Estes achados sugerem que tais transistores podem levar ao desenvolvimento de chips altamente eficientes para sistemas avançados de IA e aprendizado de máquina, abrindo novos horizontes na tecnologia, conforme acrescentado por Hersam. [Live Science]
