Transístor faz inteligência artificial imitando a inteligência humana

Redação do Site Inovação Tecnológica - 04/01/2024

Interpretação artística da computação semelhante ao cérebro, ou neuromórfica.
[Imagem: Xiaodong Yan/Northwestern University]

Transístor sináptico

Inspirando-se no cérebro humano, pesquisadores desenvolveram um novo transístor sináptico capaz de "níveis superiores de raciocínio" - o componente sozinho é capaz de realizar aprendizagem associativa.

O transístor processa e armazena informações simultaneamente, assim como o cérebro humano e seguindo as tendências mais recentes de computação na memória, que dispensa o tráfego dos dados entre o processador e os chips de memória, acelerando a computação e economizando energia.

Xiaodong Yan, da Universidade Northwestern, nos EUA, demonstrou experimentalmente que o transístor vai além de simples tarefas de aprendizado de máquina, conseguindo categorizar dados.

"Se a inteligência artificial pretende imitar o pensamento humano, uma das tarefas de nível mais baixo seria classificar os dados, o que significa simplesmente classificá-los em caixas," explicou o professor Mark Hersam, cuja equipe vem desenvolvendo esse "memotransístor" há alguns anos. "Nosso objetivo é avançar a tecnologia de IA na direção de um pensamento de nível superior. As condições do mundo real são muitas vezes mais complicadas do que os algoritmos de IA atuais podem suportar, por isso testamos nossos novos componentes em condições mais complicadas para verificar suas capacidades avançadas."

Embora outras equipes tenham usado estratégias semelhantes para desenvolver componentes de computação neuromórfica, a maioria dos componentes de demonstração funciona em temperaturas criogênicas. Este novo transístor sináptico, por sua vez, é estável à temperatura ambiente.

Esquema do transístor neuromórfico e do padrão moiré no qual seu funcionamento se baseia.
[Imagem: Xiaodong Yan et al. - 10.1038/s41586-023-06791-1]

Aprendizagem associativa no hardware

Para demonstrar a capacidades do transístor, primeiro os pesquisadores mostraram ao dispositivo um padrão de três zeros seguidos (000). Em seguida, pediram ao componente de IA que ele identificasse padrões semelhantes, como 111 ou 101. "Se o treinarmos para detectar 000 e depois dermos 111 e 101, ela saberá que 111 é mais semelhante a 000 do que 101," explicou Hersam. "000 e 111 não são exatamente iguais, mas ambos têm três dígitos consecutivos. Reconhecer essa similaridade é uma forma de cognição de nível superior, conhecida como aprendizagem associativa."

O novo transístor sináptico reconheceu com sucesso os padrões semelhantes, comprovando sua memória associativa. Mesmo quando os pesquisadores colocaram obstáculos - como fornecer padrões incompletos - ainda assim o transístor demonstrou a aprendizagem associativa.

"Pode ser fácil de confundir a IA atual, o que pode causar grandes problemas em determinados contextos," disse Hersam. "Imagine se você estiver usando um veículo autônomo e as condições climáticas piorarem. O veículo pode não ser capaz de interpretar os dados mais complicados do sensor tão bem quanto um motorista humano. Mas, mesmo quando demos ao nosso transístor uma entrada imperfeita, ele ainda conseguiu identificar a resposta correta."

Os testes também serviram para comprovar que o componente opera em velocidades rápidas, consome muito pouca energia e retém informações armazenadas mesmo quando a energia é desligada, tornando-o ideal para aplicações do mundo real.

Testes demonstrando a aprendizagem associativa.
[Imagem: Xiaodong Yan et al. - 10.1038/s41586-023-06791-1]

Padrões moiré

Para repensar o paradigma da computação digital eletrônica, a equipe explorou novos avanços na física dos chamados padrões moiré, um tipo de desenho geométrico que surge quando dois padrões são colocados um sobre o outro. Quando materiais bidimensionais são empilhados, surgem novas propriedades que não existem nas camadas individuais. E, quando essas camadas são torcidas para formar um padrão moiré, torna-se possível fazer um ajuste sem precedentes das propriedades eletrônicas do material.

Para construir o novo transístor, os pesquisadores combinaram dois tipos diferentes de materiais atomicamente finos: uma bicamada de grafeno e nitreto de boro hexagonal. Quando empilhados e girados com precisão, os materiais formaram um efeito moiré, fazendo emergir diferentes propriedades eletrônicas em cada camada de grafeno mesmo que elas estejam separadas apenas por dimensões em escala atômica. Com o "ângulo mágico" correto, os pesquisadores conseguiram gerar a funcionalidade neuromórfica à temperatura ambiente.

"Com a torção como um novo parâmetro de projeto, o número de permutações é vasto," disse Hersam. "O grafeno e o nitreto de boro hexagonal são muito semelhantes estruturalmente, mas com diferenças sutis suficientes para obter efeitos moiré excepcionalmente fortes."

Mais tópicos