Inspirados nas corujas-das-torres, pesquisadores desenvolveram um sistema de localização inovador que combina sensores de última geração com um mapa computacional neuromórfico baseado em memória resistiva de acesso aleatório (RRAM).
À medida que entramos na era da computação pervasiva, cada vez mais de nossos objetos do dia a dia estão sendo incorporados a microprocessadores para ajudar nossas vidas a funcionar sem problemas. Para conseguir isso, esses sistemas precisam operar continuamente e desperdiçar o mínimo de energia, enquanto extraem informações úteis e compactas de dados ruidosos e muitas vezes incompletos capturados de vários sensores em tempo real. Graças aos seus recursos de computação na memória e orientados a eventos, as arquiteturas neuromórficas de semicondutores de óxido metálico complementares (CMOS) híbridos memristivos fornecem um substrato de hardware ideal para essas tarefas.

Pesquisadores apoiados em parte pelo projeto MeM-Scales se propuseram a demonstrar todo o potencial de tal sistema. Para este fim, eles desenvolveram um sistema de localização de objetos orientado a eventos e bio-inspirado que combina sensores avançados de transdutores de ultrassom microusinados piezoelétricos (PMUT) com um mapa computacional neuromórfico baseado em RRAM. Seu artigo publicado na revista Nature Communications descreve como a abordagem neuromórfica proposta permitiu reduzir o consumo de energia em cinco ordens de grandeza em comparação com sistemas de localização convencionais baseados em microcontroladores.

Inspirado pela natureza

A inspiração para o sistema foi extraída da neuroanatomia da suindara. "Nossa solução proposta representa um primeiro passo na demonstração do conceito de um sistema de inspiração biológica para melhorar a eficiência na computação", observa a autora sênior do estudo, Dra. Elisa Vianello, em uma notícia publicada no EE Times. "Ele abre caminho para sistemas mais complexos que executam tarefas ainda mais sofisticadas para resolver problemas do mundo real, combinando informações extraídas de diferentes sensores.

"Prevemos que tal abordagem para conceber um sistema bio-inspirado será fundamental para construir a próxima geração de dispositivos de IA de ponta, nos quais as informações são processadas localmente e com recursos mínimos. Em particular, acreditamos que pequenos animais e insetos são um grande fonte de inspiração para uma combinação eficiente de processamento de informações sensoriais e computação. Graças aos mais recentes avanços em tecnologia, podemos acoplar sensores inovadores com computação avançada baseada em RRAM para construir sistemas de ultrabaixo consumo de energia", afirma o Dr. Vianello, que é cientista sênior do laboratório de eletrônica e tecnologia da informação CEA-Leti do coordenador do projeto MeM-Scales Comissão Francesa de Energias Alternativas e Energia Atômica na França.

A equipe de pesquisa realizou medições do sistema que consiste em detectores de coincidência baseados em RRAM, circuitos de linha de atraso e um sensor de ultrassom totalmente personalizado. Eles usaram os resultados experimentais para calibrar as simulações em nível de sistema. Essas simulações foram então usadas para estimar a resolução angular e a eficiência energética do modelo de localização de objetos. Os resultados mostraram uma eficiência energética muito maior do que um microcontrolador realizando a mesma tarefa. "O objetivo é, como sempre, obter a melhor eficiência energética para o nível de desempenho necessário para uma aplicação específica. Melhorias adicionais na eficiência energética são certamente possíveis com nosso sistema", observa Dr. Vianello.

O estudo demonstra que a combinação de sensores visuais, como câmeras com sensor de visão dinâmica, com um sensor auditivo baseado em PMUT, deve ser explorada para desenvolver futuros robôs de consumo. O projeto MeM-Scales (tecnologias de memória com constantes de tempo multi-escala para arquiteturas neuromórficas) termina em junho de 2023. + Explorar mais

Um sistema de computação em memória baseado em memórias resistivas 3D empilhadas