Computadores analógicos estão a um passo dos digitais

Redação do Site Inovação Tecnológica - 10/12/2021

Várias empresas estão trabalhando avidamente em busca da computação analógica PIM.
[Imagem: Samsung/Divulgação]

Computação PIM

A computação digital, excepcional em sua capacidade de fazer cálculos, nos trouxe bem longe.

Mas surgiram novas necessidades para as quais os computadores digitais não estão se mostrando tão eficientes: Lidar com um volume cada vez maior de dados.

Os computadores atuais são construídos usando uma arquitetura conhecida como Von Neuman, tendo como uma de suas características principais a separação entre a memória - onde os dados são armazenados - e o processador - onde a computação real é realizada.

"Os desafios da computação hoje são intensivos em dados. Precisamos processar toneladas de dados, o que cria um gargalo de desempenho na interface do processador e na memória," explica a professora Xuan Zhang, da Universidade de Washington em St. Louis.

Assim, já está claro que precisamos de um novo tipo de hardware para essas aplicações.

E uma das alternativas mais promissoras está em um novo tipo de hardware conhecido como PIM, sigla em inglês para "processamento na memória", um paradigma de computação emergente que funde a memória e a CPU (unidade de processamento) e faz seus cálculos usando as propriedades físicas da máquina - sem necessidade dos 1s e 0s para fazer o processamento digitalmente.

A professora Zhang trabalhou em colaboração com equipes de universidades da China e de Hong Kong.
[Imagem: Weidong Cao et al. - 10.1109/TC.2021.3122905]

Em outras palavras, não é uma computação digital, é uma computação analógica.

E a equipe da professora Zhang acaba de construir um circuito PIM mais eficiente que qualquer outro já construído, quase em pé de igualdade com os processadores atuais.

Memória resistiva

A computação é essencialmente uma série de adições e multiplicações. Elas são feitas usando transistores, que basicamente são chaves liga-desliga, onde o ligado representa um 1 e o desligado representa um 0. Usando este código digital - um código binário - uma CPU pode fazer toda e qualquer aritmética necessária para fazer um computador funcionar.

O tipo de PIM no qual a equipe da professora Zhang está trabalhando usa um componente diferente, chamado "memória de acesso aleatório resistiva" (RRAM), um tipo de memoristor, o mesmo componente que vem viabilizando a criação de computadores que imitam o cérebro.

A equipe chama a arquitetura de RRAM-PIM. A principal diferença é que, enquanto em uma CPU convencional os bits são armazenados em um capacitor (com energia é 1 e sem energia é 0) em uma célula de memória, os computadores RRAM-PIM dependem de resistores especiais que se "lembram" das correntes que os percorreram antes, daí o nome "memória resistiva". Só que esses resistores conseguem se lembrar e podem ser usados para fazer os cálculos, ou seja, eles são a memória e o processador, o que traz grandes vantagens porque o dado não precisa transitar entre memória e CPU.

"Na memória resistiva, você não precisa traduzir para digital ou binário. Você pode permanecer no domínio analógico. Esta é a chave para tornar os computadores RRAM-PIM muito mais eficientes. Se você precisar somar, conecte duas correntes. Se você precisar multiplicar, você pode ajustar o valor do resistor," explica Zhang.

Os componentes ativos, que fazem o papel de processamento e memória, ficam nas interseções da matriz, fazendo os cálculos de inteligência artificial em uma única operação.
[Imagem: Politécnico de Milano]

Aproximadores neurais

Mas ninguém pretende destruir o mundo e recriá-lo do zero. Assim, em algum ponto, as informações precisam ser traduzidas em formato digital para fazer interface com as tecnologias que já usamos. E aí a RRAM-PIM apresenta seu próprio gargalo: Como converter as informações analógicas em formato digital de forma eficiente e rápida.

Foi o pesquisador Weidong Cao quem encontrou uma solução: Ele introduziu "aproximadores neurais", um tipo de rede neural que pode aproximar funções arbitrárias - dada qualquer função, o aproximador neural pode executar a mesma função, mas melhorar sua eficiência.

Na arquitetura RRAM, os memoristores não são exatamente componentes individuais interligados: Eles são criados sobrepondo minúsculas barras de dois materiais semicondutores diferentes na forma de uma treliça, sendo que cada entroncamento das barras torna-se um memoristor. E cada coluna dessa matriz produz um resultado parcial.

Para a arquitetura RRAM-PIM funcionar, uma vez que os memoristores tenham feito seus cálculos, as respostas precisam ser traduzidas em um formato digital. Isso, na prática, significa somar os resultados de cada coluna de memoristores. Cada um desses resultados parciais, por sua vez, precisa então ser convertido em informação digital, o que exige um clássico circuito ADC, sigla em inglês para conversor analógico para digital.

O problema é que essa conversão consome muita energia. E a solução é que o aproximador neural torna o processo mais eficiente.

Em vez de adicionar cada coluna uma por uma, o circuito do aproximador neural consegue realizar múltiplos cálculos - colunas descendentes, entre colunas ou da maneira que for mais eficiente. Isso exige menos ADCs e resulta em maior eficiência da computação.

Os dados não precisam transitar entre memória e processador.
[Imagem: Samsung/Divulgação]

Computação 100 vezes mais poderosa

A parte mais importante do trabalho foi determinar até que ponto é possível reduzir o número de conversões digitais acontecendo ao longo da borda externa do circuito, no final das colunas. Weidong Cao descobriu que os circuitos do aproximador neural aumentaram a eficiência próximo ao máximo teórico.

"Não importa quantas somas parciais analógicas geradas pelas colunas da matriz RRAM de barras cruzadas - 18 ou 64 ou 128 -, nós precisamos apenas de uma conversão analógica para digital," disse ele. "Usamos a implementação de hardware para atingir o limite teórico inferior."

Várias equipes, inclusive de empresas, já estão trabalhando na construção de protótipos em grande escala de computadores PIM, mas todas têm enfrentado várias dificuldades. Usar os aproximadores neurais pode eliminar o maior desses desafios - o gargalo -, provando que este novo paradigma de computação tem potencial para ser muito mais poderoso do que o atual.

"E não apenas uma ou duas vezes mais poderoso, mas 10 ou 100 vezes mais poderoso," disse Zhang.

Mais tópicos