Neurotransístor aprende juntando memória com processamento

Redação do Site Inovação Tecnológica

É mais uma opção aos mais tradicionais memoristores.
[Imagem: E. Baek/TU Dresden]

Transístor neuromórfico

Há pouco mais de um mês, pesquisadores criaram um componente biológico para construir processadores que imitam o cérebro, oferecendo uma alternativa aos mais conhecidos memoristores, componentes conhecidos como "sinapses artificiais".

Uma outra equipe agora fez o caminho contrário: eles pegaram um transístor comum, desses usados para fazer todos os chips eletrônicos atuais, e o transformaram em um componente capaz de, simultaneamente, processar e armazenar informações.

Em termos práticos, isso significa que o componente é capaz de aprender porque ele se "lembra" dos dados anteriores.

"Nós aplicamos uma substância viscosa - chamada solgel - a uma pastilha de silício convencional com circuitos. Esse polímero endurece e se torna uma cerâmica porosa. Os íons se movem entre as lacunas [cargas positivas]. Elas são mais pesadas que os elétrons e mais lentas para retornar à sua posição após a excitação. Esse atraso, chamado histerese, é o que causa o efeito de armazenamento," explicou o professor Gianaurelio Cuniberti, da Universidade de Tecnologia de Dresden, na Alemanha.

Essa capacidade de armazenamento - o transístor funcionando como uma memória - é um fator decisivo no funcionamento do novo componente como um "neurotransístor", mostrando que talvez não haja uma concorrência memoristores contra transistores.

"Quanto mais um transístor estiver excitado, mais cedo ele será aberto e permitirá que a corrente flua. Isso fortalece a conexão. O sistema está aprendendo," disse Cuniberti.

Processadores que aprendem

O próximo passo será usar o neurotransístor como base para construir circuitos com aprendizado de máquina em hardware, comprovando que um pouco de imprecisão pode tornar processadores mais parecidos com os cérebros artificiais.

"Os computadores baseados em nosso chip deverão ser menos precisos e tenderão a estimar cálculos matemáticos, em vez de calculá-los até o último decimal. Mas eles serão mais inteligentes," explicou Cuniberti. "Por exemplo, um robô com esses processadores aprenderia a andar ou pegar as coisas; possuiria um sistema óptico e aprenderia a reconhecer conexões. E tudo isso sem que precisemos desenvolver nenhum software [para o robô]".

Esquema do neurotransístor.
[Imagem: Eunhye Baek et al. - 10.1038/s41928-020-0412-1]

Mas essas não são as únicas vantagens dos computadores neuromórficos. Graças à sua plasticidade, semelhante à do cérebro, eles poderão se adaptar à mudança nas tarefas durante a operação e, assim, resolver problemas para os quais não foram originalmente programados.

Bibliografia:

Artigo: Intrinsic plasticity of silicon nanowire neurotransistors for dynamic memory and learning functions
Autores: Eunhye Baek, Nikhil Ranjan Das, Carlo Vittorio Cannistraci, Taiuk Rim, Gilbert Santiago Cañón Bermúdez, Khrystyna Nych, Hyeonsu Cho, Kihyun Kim, Chang-Ki Baek, Denys Makarov, Ronald Tetzlaff, Leon Chua, Larysa Baraban, Gianaurelio Cuniberti
Revista: Nature Electronics
Vol.: 3, pages 398-408
DOI: 10.1038/s41928-020-0412-1