Baseando-se no funcionamento do cérebro humano, cientistas desenvolveram um novo tipo de transístor sináptico que exibe “níveis superiores de raciocínio” e inteligência artificial. Este componente singular é capaz de realizar aprendizagem associativa.
O transístor processa e armazena informações de maneira simultânea, imitando assim o funcionamento do cérebro humano. Isso está alinhado com as mais recentes tendências em computação na memória, eliminando a necessidade de transferir dados entre o processador e os chips de memória. Esse avanço não apenas acelera o processo computacional, mas também resulta em uma economia significativa de energia.
Xiaodong Yan, da Universidade Northwestern, nos Estados Unidos, conduziu experimentos que demonstram que o transístor vai além das simples tarefas de aprendizado de máquina, sendo capaz de categorizar dados.
“Se a inteligência artificial busca imitar o pensamento humano, uma das tarefas de nível mais básico seria a classificação de dados, que envolve simplesmente organizá-los em categorias”, explicou o professor Mark Hersam, cuja equipe vem trabalhando no desenvolvimento deste “memotransístor” ao longo de alguns anos. “Nosso objetivo é impulsionar a tecnologia de inteligência artificial em direção a um pensamento de nível superior. As condições do mundo real são frequentemente mais complexas do que os atuais algoritmos de IA conseguem lidar, por isso testamos esses novos componentes em condições mais desafiadoras para verificar suas capacidades avançadas.”
Embora outras equipes tenham adotado estratégias semelhantes para desenvolver componentes de computação neuromórfica, a maioria desses componentes de demonstração opera em temperaturas criogênicas. Em contrapartida, este novo transístor sináptico é estável em temperatura ambiente.
(Imagem: Xiaodong Yan)
Para evidenciar as capacidades do transístor, os pesquisadores inicialmente apresentaram ao dispositivo um padrão de três zeros consecutivos (000). Em seguida, solicitaram ao componente de IA que identificasse padrões semelhantes, como 111 ou 101. O professor Hersam explicou: “Se o treinarmos para detectar 000 e depois apresentarmos 111 e 101, ele saberá que 111 é mais semelhante a 000 do que 101. 000 e 111 não são exatamente iguais, mas ambos têm três dígitos consecutivos. Reconhecer essa similaridade é uma forma de cognição de nível superior, conhecida como aprendizagem associativa.”
O novo transístor sináptico demonstrou com sucesso o reconhecimento de padrões semelhantes, validando assim sua memória associativa. Mesmo quando os pesquisadores introduziram obstáculos, como fornecer padrões incompletos, o transístor ainda exibiu a capacidade de aprendizagem associativa.
Hersam destacou a relevância deste avanço, mencionando: “Pode ser fácil confundir a IA atual, o que pode causar grandes problemas em determinados contextos. Imagine se estiver utilizando um veículo autônomo e as condições climáticas piorarem. O veículo pode não ser capaz de interpretar os dados mais complexos do sensor tão bem quanto um motorista humano. No entanto, mesmo quando apresentamos ao nosso transístor uma entrada imperfeita, ele conseguiu identificar a resposta correta.”
Os testes também confirmaram que o componente opera em altas velocidades, consome quantidades muito baixas de energia e retém as informações armazenadas mesmo quando a energia é desligada, tornando-o ideal para aplicações do mundo real.
(Imagem: Xiaodong Yan)
Para redefinir o paradigma da computação digital eletrônica, a equipe explorou avanços na física dos padrões moiré, que são desenhos geométricos resultantes da sobreposição de dois padrões. Ao empilhar materiais bidimensionais, novas propriedades emergem, inexistentes nas camadas individuais. Quando essas camadas são torcidas para formar um padrão moiré, torna-se possível realizar um ajuste sem precedentes nas propriedades eletrônicas do material.
Para criar o novo transístor, os pesquisadores combinaram duas variedades de materiais atomicamente finos: uma bicamada de grafeno e nitreto de boro hexagonal. Ao serem empilhados e girados com precisão, os materiais formaram um efeito moiré, resultando em diferentes propriedades eletrônicas em cada camada de grafeno, mesmo que separadas apenas por dimensões na escala atômica. Com o “ângulo mágico” adequado, os pesquisadores conseguiram gerar a funcionalidade neuromórfica em temperatura ambiente.
“Há uma vasta quantidade de combinações possíveis com a torção como novo parâmetro de projeto,” afirmou Hersam. “O grafeno e o nitreto de boro hexagonal são estruturalmente muito semelhantes, mas apresentam diferenças sutis suficientes para obter efeitos moiré excepcionalmente pronunciados.”
De acordo com Nature.
Achou útil essa informação? Compartilhe com seus amigos! 
Deixe-nos a sua opinião aqui nos comentários.
