Conheça o componente neuromórfico de 14 bits que irá revolucionar a computação

Redação do Site Inovação Tecnológica - 24/09/2024

Estrutura do memoristor orgânico em nível molecular. Cada componente neuromórfico de 14 bits faz 4,1 tera-operações por segundo por watt.
[Imagem: Sreetosh Goswami et al. - 10.1063/1.5124155]

Computação quase cerebral

Talvez exista uma maneira melhor de deslanchar a computação neuromórfica - aquela que imita o cérebro - do que ficar tentando fabricar neurônios sintéticos e sinapses artificiais.

E a ideia de Deepak Sharma e colegas da Universidade de Limerick, na Irlanda, é radical: Esquecer essas "grandes" e delicadas estruturas biológicas e partir logo para os átomos.

Assim, embora mantenha a inspiração no modo de funcionamento do cérebro, a proposta salta pela computação molecular e vai logo para uma espécie de computação atômica.

Na prática, trata-se de um novo tipo de plataforma de hardware para inteligência artificial que alcança melhorias sem precedentes em termos de velocidade computacional e eficiência energética.

É uma melhoria em relação aos memoristores orgânicos criados pela equipe em 2020. Um ano depois, o componente molecular já imitava a plasticidade cerebral e prometia revolucionar os processadores.

Agora a equipe deu o passo seguinte. "O design se inspira no cérebro humano, usando a oscilação e o sacolejar naturais dos átomos para processar e armazenar informações. Conforme as moléculas giram e saltam em torno de sua estrutura cristalina, elas criam uma infinidade de estados de memória individuais," explicou o professor Damien Thompson.

Implementação do circuito de memoristores.
[Imagem: Deepak Sharma et al. - 10.1038/s41586-024-07902-2]

Memoristor orgânico

Os componentes fundamentais da computação inspirada no cérebro são os memoristores, componentes que, além de processarem os dados, funcionam como memória e ainda lembram-se dos dados que guardaram anteriormente, o que pode ser explorado como uma forma de aprendizado para implantar uma inteligência artificial em hardware.

Agora, a equipe otimizou seus memoristores orgânicos, tornando-os capazes de armazenar nada menos do que 14 bits.

E isso é mais do que parece: "O controle cinético preciso sobre uma transição entre dois estados eletrônicos moleculares termodinamicamente estáveis viabiliza 16.520 níveis distintos de condutância analógica, que podem ser atualizados linear e simetricamente ou gravados individualmente em um único passo de tempo, simplificando substancialmente o procedimento de atualização de peso em plataformas neuromórficas existentes," explicou a equipe.

Outros ganhos envolvem uma baixa relação sinal/ruído (73 dB) e um consumo de energia 460 vezes menor do que o consumo de um processador eletrônico dedicado à mesma tarefa.

"Podemos traçar o caminho das moléculas dentro do componente e mapear cada instantâneo para um estado elétrico exclusivo. Isso cria uma espécie de diário de viagem da molécula, que pode ser escrito e lido como em um computador convencional baseado em silício, mas aqui com economia de energia e espaço massivamente melhorada porque cada entrada é menor do que um átomo.

"Esta solução fora da caixa pode ter enormes benefícios para todas as aplicações de computação, desde data centers famintos por energia até mapas digitais com uso intensivo de memória e jogos online," explicou o professor Thompson.

Protótipo de teste e esquema de processamento.
[Imagem: Deepak Sharma et al. - 10.1038/s41586-024-07902-2]

Computação neuromórfica com precisão

Até o momento, as arquiteturas de computação neuromórfica têm funcionado apenas para operações de baixa precisão, como inferência em redes neurais artificiais. Isso porque tarefas de computação essenciais, incluindo o processamento de sinais, treinamento de redes neurais e processamento de linguagem natural, exigem resolução de computação muito maior do que os circuitos neuromórficos existentes poderiam oferecer.

A reconceitualização da arquitetura de computação feita pela equipe atingiu a alta resolução necessária para superar esse gargalo, executando cargas de trabalho com uso intensivo de recursos com uma eficiência energética sem precedentes, de 4,1 tera-operações por segundo por watt (TOPS/W).

"Ao controlar precisamente a vasta gama de estados cinéticos moleculares disponíveis, criamos o acelerador neuromórfico mais preciso, de 14 bits, totalmente funcional, integrado a uma placa de circuito que pode lidar com processamento de sinal, IA e cargas de trabalho de aprendizado de máquina, como redes neurais artificiais, codificadores automáticos e redes adversárias generativas. Ainda mais significativo, aproveitando a alta precisão dos aceleradores, podemos treinar redes neurais na borda, enfrentando um dos desafios mais urgentes em hardware de IA," concluiu o professor Sreetosh Goswami.

Mais tópicos