A inovação, liderada por Sebastian Pazos, pode transformar o futuro da computação neuromórfica, reduzindo drasticamente o consumo de energia e o tamanho dos dispositivos usados em inteligência artificial (IA).
Tradicionalmente, a tentativa de reproduzir o cérebro humano em hardware exige o uso de até 18 transistores para cada neurônio e 6 para cada sinapse, o que torna essa abordagem pouco prática. Para superar esse desafio, a equipe reinventou o transistor convencional, criando uma célula computacional única capaz de atuar como neurônio e sinapse ao mesmo tempo — um verdadeiro avanço para aplicações de IA em hardware.
Essa nova tecnologia permite implementar redes neurais artificiais diretamente nos chips, utilizando o conceito de computação na memória (in-memory computing), onde processamento e armazenamento ocorrem no mesmo local. Isso elimina a necessidade de transferir dados entre memória e processador, tornando os sistemas muito mais rápidos e energeticamente eficientes.
O segredo está na manipulação da resistência do terminal de corpo do transistor para provocar um fenômeno chamado ionização de impacto. Antes considerado um defeito, esse efeito agora é utilizado para gerar picos de corrente similares aos impulsos neurais, além de permitir que o componente armazene carga por longos períodos — comportamento típico de uma sinapse.
Com essa abordagem, o novo transistor pode substituir até 24 componentes usados atualmente na computação neuromórfica. E mais: a equipe criou uma arquitetura chamada NSRAM (Neuro-Synaptic Random Access Memory), composta por dois transistores que alternam entre os modos neurônio e sinapse, proporcionando flexibilidade de design e produção.
De acordo com Pazos, esse avanço representa uma mudança de paradigma na corrida pelos semicondutores e pela supremacia em IA. Em vez de depender apenas da miniaturização extrema, a proposta é explorar um modelo computacional inspirado no cérebro humano, mais sustentável e eficiente.
A descoberta abre caminho para dispositivos de inteligência artificial mais compactos, potentes e de baixo consumo energético — essenciais para o futuro da computação autônoma, robótica avançada e sistemas embarcados inteligentes.
Achou útil essa informação? Compartilhe com seus amigos!
Deixe-nos a sua opinião aqui nos comentários.
