Quando se trata de poder de processamento, o cérebro humano simplesmente não pode ser batido.

Embalado no mole, órgãos do tamanho de uma bola de futebol estão em torno de 100 bilhões de neurônios. Em qualquer momento, um único neurônio pode transmitir instruções para milhares de outros neurônios por meio de sinapses - os espaços entre os neurônios, através dos quais os neurotransmissores são trocados. Existem mais de 100 trilhões de sinapses que medeiam a sinalização dos neurônios no cérebro, fortalecendo algumas conexões enquanto poda outras, em um processo que permite ao cérebro reconhecer padrões, lembre-se dos fatos, e realizar outras tarefas de aprendizagem, na velocidade da luz.

Pesquisadores no campo emergente da "computação neuromórfica" tentaram projetar chips de computador que funcionassem como o cérebro humano. Em vez de realizar cálculos baseados em binários, sinalização liga / desliga, como os chips digitais fazem hoje, os elementos de um "cérebro em um chip" funcionariam de forma analógica, trocando um gradiente de sinais, ou "pesos, "muito parecido com os neurônios que se ativam de várias maneiras, dependendo do tipo e do número de íons que fluem através de uma sinapse.

Desta maneira, pequenos chips neuromórficos poderiam, como o cérebro, processar com eficiência milhões de fluxos de cálculos paralelos que atualmente só são possíveis com grandes bancos de supercomputadores. Mas um obstáculo significativo no caminho para essa inteligência artificial portátil foi a sinapse neural, que tem sido particularmente difícil de reproduzir em hardware.

Agora, os engenheiros do MIT projetaram uma sinapse artificial de forma que possam controlar com precisão a força de uma corrente elétrica fluindo através dela, semelhante à forma como os íons fluem entre os neurônios. A equipe construiu um pequeno chip com sinapses artificiais, feito de silício germânio. Em simulações, os pesquisadores descobriram que o chip e suas sinapses podem ser usados ​​para reconhecer amostras de caligrafia, com 95 por cento de precisão.

O design, publicado hoje no jornal Materiais da Natureza , é um passo importante para a construção de portáteis, chips neuromórficos de baixa potência para uso em reconhecimento de padrões e outras tarefas de aprendizagem.

A pesquisa foi liderada por Jeehwan Kim, a Classe de 1947 Professor Assistente de Desenvolvimento de Carreira nos departamentos de Engenharia Mecânica e Ciência e Engenharia de Materiais, e investigador principal do Laboratório de Pesquisa de Laboratórios de Tecnologia de Eletrônica e Microssistemas do MIT. Seus co-autores são Shinhyun Choi (primeiro autor), Scott Tan (co-primeiro autor), Zefan Li, Yunjo Kim, Chanyeol Choi, e Hanwool Yeon do MIT, junto com Pai-Yu Chen e Shimeng Yu da Arizona State University.

Muitos caminhos

A maioria dos projetos de chips neuromórficos tenta emular a conexão sináptica entre os neurônios usando duas camadas condutoras separadas por um "meio de comutação, "ou espaço semelhante a uma sinapse. Quando uma voltagem é aplicada, os íons devem se mover no meio de comutação para criar filamentos condutores, da mesma forma como o "peso" de uma sinapse muda.

Mas tem sido difícil controlar o fluxo de íons em projetos existentes. Kim diz que é porque a maioria dos meios de troca, feito de materiais amorfos, têm caminhos possíveis ilimitados pelos quais os íons podem viajar - um pouco como o Pachinko, um jogo de arcade mecânico que canaliza pequenas bolas de aço por meio de uma série de pinos e alavancas, que agem para desviar ou direcionar as bolas para fora da máquina.

Como Pachinko, os meios de comutação existentes contêm vários caminhos que tornam difícil prever por onde os íons passarão. Kim diz que isso pode criar não uniformidade indesejada no desempenho de uma sinapse.

"Depois de aplicar alguma voltagem para representar alguns dados com seu neurônio artificial, você tem que apagar e ser capaz de escrever novamente da mesma maneira, "Kim diz." Mas em um sólido amorfo, quando você escreve de novo, os íons vão em direções diferentes porque existem muitos defeitos. Este fluxo está mudando, e é difícil de controlar. Esse é o maior problema - não uniformidade da sinapse artificial. "

Uma incompatibilidade perfeita

Em vez de usar materiais amorfos como uma sinapse artificial, Kim e seus colegas analisaram o silício monocristalino, um material condutor sem defeitos feito de átomos dispostos em um alinhamento continuamente ordenado. A equipe procurou criar um defeito de linha unidimensional, ou deslocamento, através do silício, através do qual os íons poderiam fluir previsivelmente.

Para fazer isso, os pesquisadores começaram com um wafer de silício, semelhante, na resolução microscópica, um padrão de tela de galinheiro. Eles então cultivaram um padrão semelhante de silício germânio - um material também usado comumente em transistores - no topo da pastilha de silício. A estrutura do silício-germânio é ligeiramente maior do que a do silício, e Kim descobriram isso juntos, os dois materiais perfeitamente incompatíveis podem formar um deslocamento semelhante a um funil, criando um único caminho através do qual os íons podem fluir.

Os pesquisadores fabricaram um chip neuromórfico que consiste em sinapses artificiais feitas de silício-germânio, cada sinapse medindo cerca de 25 nanômetros de diâmetro. Eles aplicaram voltagem a cada sinapse e descobriram que todas as sinapses exibiam mais ou menos a mesma corrente, ou fluxo de íons, com cerca de 4% de variação entre as sinapses - um desempenho muito mais uniforme em comparação com as sinapses feitas de material amorfo.

Eles também testaram uma única sinapse em vários ensaios, aplicando a mesma tensão em 700 ciclos, e descobri que a sinapse exibia a mesma corrente, com apenas 1% de variação de ciclo para ciclo.

"Este é o dispositivo mais uniforme que poderíamos alcançar, que é a chave para demonstrar redes neurais artificiais, "Kim diz.

Escrita, reconhecido

Como um teste final, A equipe de Kim explorou como seu dispositivo funcionaria se fosse para realizar tarefas de aprendizagem reais, especificamente, reconhecendo amostras de caligrafia, que os pesquisadores consideram ser um primeiro teste prático para chips neuromórficos. Esses chips consistiriam em "neurônios de entrada / ocultos / de saída, "cada um conectado a outros" neurônios "por meio de sinapses artificiais baseadas em filamentos.

Os cientistas acreditam que essas pilhas de redes neurais podem ser feitas para "aprender". Por exemplo, quando alimentado com uma entrada que é escrita à mão '1, 'com uma saída que o rotula como' 1, 'certos neurônios de saída serão ativados por neurônios de entrada e pesos de uma sinapse artificial. Quando mais exemplos de '1s' escritos à mão são inseridos no mesmo chip, os mesmos neurônios de saída podem ser ativados quando sentem características semelhantes entre diferentes amostras da mesma letra, portanto, "aprender" de maneira semelhante ao que o cérebro faz.

Kim e seus colegas executaram uma simulação de computador de uma rede neural artificial que consiste em três camadas de camadas neurais conectadas por meio de duas camadas de sinapses artificiais, as propriedades das quais eles se basearam em medições de seu chip neuromórfico real. Eles alimentaram sua simulação com dezenas de milhares de amostras de um conjunto de dados de reconhecimento manuscrito comumente usado por designers neuromórficos, e descobriram que seu hardware de rede neural reconhecia amostras escritas à mão 95 por cento das vezes, em comparação com a precisão de 97% dos algoritmos de software existentes.

A equipe está no processo de fabricação de um chip neuromórfico funcional que pode realizar tarefas de reconhecimento de caligrafia, não na simulação, mas na realidade. Olhando além da escrita à mão, Kim diz que o projeto de sinapse artificial da equipe permitirá muito menor, dispositivos portáteis de rede neural que podem realizar cálculos complexos que atualmente só são possíveis com grandes supercomputadores.

"Em última análise, queremos um chip do tamanho de uma unha para substituir um grande supercomputador, "Kim diz." Isso abre um trampolim para a produção de hardware artificial real. "