Neurônios artificiais finalmente replicam habilidades cerebrais complexas

Redação do Site Inovação Tecnológica - 09/08/2023

Esquema de fabricação do memoristor optoeletrônico.
[Imagem: Ghazi Sarwat Syed et al. - 10.1038/s41565-023-01391-6]

Neuromórfico com luz ou eletricidade

O mais recente avanço rumo à criação de um hardware capaz de imitar o cérebro humano consegue processar sinais de luz e elétricos simultaneamente e, mais importante, usar isto para replicar processos neurais reais.

As tentativas de recriar as capacidades computacionais dos neurônios biológicos, para desenvolver sistemas de aprendizado de máquina mais rápidos e com maior eficiência energética, têm sido feitas principalmente com o uso de memoristores. Além de computar, esses componentes eletrônicos têm memória, armazenando um valor modificando sua condutância e, em seguida, utilizando esse valor para processamento na memória.

Um dos maiores desafios nessa abordagem tem sido a dificuldade em integrar sinais neuronais pré-alimentados (feedforward) e retroalimentados (feedback). Esses mecanismos sustentam nossa capacidade cognitiva de aprender tarefas complexas, usando um mecanismo de recompensas e erros.

O vencedor leva tudo

Uma equipe das universidades de Oxford (Reino Unido), Texas (EUA) e da IBM apresentaram agora uma alternativa na forma de neurônios artificiais feitos de materiais monoatômicos, uma arquitetura que permite a existência de caminhos separados - portanto simultânea - de pré-alimentação e retroalimentação dentro de uma rede neural, aumentando a capacidade de resolver problemas complexos.

A chave do avanço está em tornar os memoristores responsivos tanto a sinais elétricos quanto a sinais de luz, o que permitiu criar um tipo de rede neural conhecida como "o vencedor leva tudo".

Nesse tipo de rede, os neurônios competem uns com os outros pela ativação, em contraposição à forma clássica, na qual apenas o neurônio com a ativação mais alta permanece ativo. Isso dá aos programas de aprendizado de máquina a capacidade para resolver problemas mais complexos, incluindo o aprendizado não supervisionado e problemas de otimização combinatória.

Esquema do aprendizado de máquina implementado no hardware.
[Imagem: Ghazi Sarwat Syed et al. - 10.1038/s41565-023-01391-6]

Neurônio artificial optoeletrônico

Ghazi Syed e seus colegas usaram uma pilha de três materiais 2D - grafeno, dissulfeto de molibdênio e dissulfeto de tungstênio - para criar um memoristor que apresenta alteração em sua condutância dependendo da potência e da duração do pulso de luz ou de eletricidade que incide sobre ele.

Como essa variação na condutância é contínua, e não o 0 ou 1 dos dispositivos digitais, esses componentes são analógicos, operando de maneira semelhante às sinapses e neurônios em nosso cérebro. O recurso analógico permite fazer cálculos, onde uma sequência de sinais elétricos ou ópticos enviados ao componente produz mudanças graduais na quantidade de carga elétrica armazenada.

Esse processo forma a base dos modos de limiar para cálculos neuronais, análogos ao modo como nosso cérebro processa uma combinação de sinais excitatórios e inibitórios.

"Este é um desenvolvimento verdadeiramente sensacional. Nosso estudo introduziu um novo conceito que supera a operação de prealimentação fixa normalmente utilizada nas redes neurais artificiais atuais. Além das possíveis aplicações em hardware de IA, estes resultados de prova de princípio demonstram um importante avanço científico nos campos mais amplos da engenharia e dos algoritmos neuromórficos, permitindo-nos emular e compreender melhor o cérebro," disse Syed.

Mais tópicos