Memória em átomos rompe gargalo do hardware para IA

Redação do Site Inovação Tecnológica - 20/04/2023

A equipe obteve 2.048 níveis de condutância nos memoristores, montados em matrizes de 256 x 256, tudo fabricado em uma fundição microeletrônica comercial.
[Imagem: Mingyi Rao et al. - 10.1038/s41586-023-05759-5]

Gargalo do hardware para IA

O mundo todo está falando sobre os mais novos aplicativos de inteligência artificial, sobretudo sobre o poder das redes neurais e dos modelos de linguagem que permitem responder perguntas diretas.

O que poucos têm-se lembrado é que o software é sempre limitado pelo hardware no qual roda, e o hardware atual não tem seguido o ritmo do desenvolvimento dos algoritmos e das montanhas de dados que esses programas analisam, criando um gargalo que já está retardando o progresso da área.

Por exemplo, enquanto o tamanho das redes neurais necessárias para aplicações de IA e ciência de dados tem dobrado a cada 3,5 meses, a capacidade de hardware necessária para processá-las tem dobrado apenas a cada 3,5 anos.

Mas há gente trabalhando nisto, e a mais recente novidade acaba de ser anunciada por Mingyi Rao e colegas da Universidade do Sul da Califórnia: É o que a equipe chama de "um novo tipo de chip com a melhor memória em qualquer chip já feito até hoje".

Duas tecnologias para duas funções

A inovação envolve os memoristores, os componentes básicos da computação neuromórfica, assim como os transistores são os componentes básicos da computação eletrônica tradicional. A diferença com os transistores é que esses componentes, além de fazer o processamento, têm memória.

Na verdade, eles podem ter vários níveis de memória, rompendo as limitações da eletrônica digital e rumando para a eletrônica analógica, com estados continuamente variáveis. Isso na teoria, porque ainda não era possível tirar proveito desses vários níveis de memória na prática.

Foi isto que Mingyi Rao e seus colegas conseguiram: "Nós identificamos a física subjacente que anteriormente limitava o número de níveis de condutância que podem ser alcançados em memoristores e desenvolvemos protocolos de operação elétrica para evitar tais limitações," escreveu a equipe.

Mas eles fizeram mais do que isso, integrando os memoristores, tipicamente feitos de óxidos metálicos, com a eletrônica tradicional baseada em silício, uma combinação que garantiu elevado poder de processamento com baixo consumo de energia.

Isto permitiu construir um chip híbrido com a maior densidade de informação por dispositivo - 11 bits - entre todos os tipos de tecnologias de memória conhecidas até agora. Além disso, a tecnologia não se aplica apenas à memória, mas também ao processador. Ou seja, não é apenas uma questão de adensamento, mas também de eficiência energética, já que armazenamento e processamento ocorrem no mesmo chip.

Assim, milhões desses novos componentes juntos em um pequeno chip, trabalhando em paralelo para executar rapidamente suas tarefas de IA, podem rodar com a energia fornecida por uma pequena bateria. Isso viabiliza aplicações de computação na borda, mais especificamente aplicações de inteligência artificial rodando em aparelhos portáteis em tempo real.

A inovação consiste em "domar" os memoristores, tirando proveito de uma maior parte de seu potencial, ainda não totalmente explorado.
[Imagem: Mingyi Rao et al. - 10.1038/s41586-023-05759-5]

Memória em átomos

As duas tecnologias unidas garantem as duas funções - memória e processamento - no mesmo dispositivo. Mas o fundamento básico da memória é radicalmente diferente nos memoristores. Neles, a técnica envolve usar as posições dos átomos para representar as informações - em vez do fluxo de elétrons, que é a técnica atual envolvida em cálculos nos chips. As posições dos átomos, que se rearranjam nas alterações de condutância, oferecem uma maneira compacta e estável de armazenar mais informações de forma analógica, em vez de digital.

Em termos simples, os elétrons manipulados nos chips tradicionais são "leves", o que significa que eles são propensos a se movimentar e serem mais voláteis. Armazenar a memória em átomos completos, por sua vez, torna tudo muito mais estável, com o adicional de que o dado não é perdido quando a energia é desligada - ou, dito de outro modo, manter o dado na memória não consome energia, viabilizando a computação em dispositivos pequenos.

Além disso, as informações podem ser processadas onde estão armazenadas, eliminando a necessidade do trânsito memória-processador, responsável pelo chamado "gargalo von Neumann" da arquitetura de computação atual. E, como não há mais estradas para trafegar, os chips ficam muito menores.

"Para contextualizar, hoje o ChatGPT está sendo executado na nuvem. Esta inovação, seguida de algum desenvolvimento adicional, pode colocar o poder de uma mini versão do ChatGPT no dispositivo pessoal de todos. Isso poderia tornar essa tecnologia de alta potência mais acessível e acessível para todos os tipos de aplicações," disse o professor Joshua Yang, coordenador da equipe.

Mais tópicos