Logotipo do Site Inovação Tecnológica





Eletrônica

Componente neuromórfico une funções dos transistores e dos memoristores

Redação do Site Inovação Tecnológica - 28/06/2022

Componente neuromórfico une funções dos transistores e dos memoristores
Os íons de hidrogênio permitem uma dentre quatro funções em diferentes tensões (aplicadas pelos eletrodos Pd e Au nas extremidades). As funções são sinapse artificial, neurônio artificial, capacitor e resistor.
[Imagem: ANL]

Híbrido de transístor e memoristor

Os processadores neuromórficos estão para ganhar a capacidade para imitar uma característica adicional do cérebro humano: Eles podem aprender a reconfigurar seus circuitos quando apresentados a informações novas.

Sim, a inteligência artificial faz isso, mas o faz em termos de software.

Hai-Tian Zhang e seus colegas descobriram um novo material que permite que os processadores neuromórficos, o hardware, se adapte às novas situações.

"Os cérebros humanos podem realmente mudar como resultado de aprender coisas novas. Agora criamos um dispositivo para que as máquinas reconfigurem seus circuitos de maneira semelhante ao cérebro," disse o professor Shriram Ramanathan, da Universidade Purdue, nos EUA.

Em termos simples, a equipe criou um componente que junta as capacidades dos transistores, que formam os processadores atuais, com as capacidades dos memoristores, os componentes fundamentais dos processadores neuromórficos.

Com essa capacidade, a inteligência artificial em hardware poderá realizar tarefas complexas com mais rapidez e precisão, com muito menos gasto de energia. Um exemplo imediato seria a interpretação de imagens médicas complexas; outro exemplo mais futurista seriam veículos autônomos e robôs capazes de reprogramar seus circuitos com base na experiência.

Componente neuromórfico une funções dos transistores e dos memoristores
A equipe já iniciou os testes experimentais com os novos componentes usando diferentes plataformas.
[Imagem: Hai-Tian Zhang et al. - 10.1126/science.abj7943]

Hardware adaptável

O novo material é composto por neodímio, níquel e oxigênio - tecnicamente é um niquelato de perovskita, de fórmula NdNiO3.

A equipe infundiu esse material com hidrogênio e anexou eletrodos que permitem que pulsos elétricos sejam aplicados em diferentes tensões.

"A quantidade de hidrogênio que está no niquelato, e onde ele está, altera as propriedades eletrônicas [do material]. E podemos mudar sua localização e concentração com diferentes pulsos elétricos," disse Sankaranarayanan.

Os resultados experimentais demonstraram que a simples alteração da tensão elétrica controla o movimento dos íons de hidrogênio dentro do niquelato. Uma certa tensão concentra hidrogênio no centro, gerando um comportamento semelhante ao de um neurônio. Uma tensão diferente transporta esse hidrogênio para longe do centro, produzindo um comportamento semelhante a uma sinapse. Em tensões ainda diferentes, os locais resultantes e a concentração do hidrogênio ligam ou desligam a corrente, fazendo o material funcionar como um transístor tradicional.

"Este material tem uma personalidade de muitas camadas. Ele tem as duas funções usuais da eletrônica cotidiana - ligar e desligar a corrente elétrica, bem como armazenar e liberar eletricidade. O que é realmente novo e impressionante é a adição de duas funções semelhantes ao comportamento separado de sinapses e neurônios no cérebro," acrescentou o pesquisador Hua Zhou - os neurônios iniciam a percepção do mundo externo e se conectam com outros neurônios via sinapses.

A equipe agora pretende usar seu novo componente híbrido transístor/memoristor para criar uma rede de neurônios e sinapses artificiais que possam aprender e se modificar a partir da experiência. Essa rede deverá apresentar a capacidade de crescer ou encolher à medida que seja apresentada a novas informações, algo que, no mínimo, deverá permitir que o processador funcione com extrema eficiência energética.

Bibliografia:

Artigo: Reconfigurable perovskite nickelate electronics for artificial intelligence
Autores: Hai-Tian Zhang, Tae Joon Park, A. N. M. Nafiul Islam, Dat S. J. Tran, Sukriti Manna, Qi Wang, Sandip Mondal, Haoming Yu, Suvo Banik, Shaobo Cheng, Hua Zhou, Sampath Gamage, Sayantan Mahapatra, Yimei Zhu, Yohannes Abate, Nan Jiang, Subramanian K. R. S. Sankaranarayanan, Abhronil Sengupta, Christof Teuscher, Shriram Ramanathan
Revista: Science
Vol.: 375, Issue 6580 pp. 533-539
DOI: 10.1126/science.abj7943
Seguir Site Inovação Tecnológica no Google Notícias





Outras notícias sobre:
  • Transistores
  • Microeletrônica
  • Inteligência Artificial
  • Processadores

Mais tópicos