Mesmo com o poder de nossos computadores modernos crescendo exponencialmente, sistemas biológicos - como nossos cérebros - continuam sendo as máquinas de aprendizagem definitivas. Ao encontrar materiais que agem de maneira semelhante aos mecanismos que a biologia usa para reter e processar informações, os cientistas esperam encontrar pistas que nos ajudem a construir computadores mais inteligentes.

Inspirados pelo esquecimento humano - como nossos cérebros descartam dados desnecessários para abrir espaço para novas informações - cientistas do Laboratório Nacional de Argonne do Departamento de Energia dos EUA (DOE), em colaboração com o Laboratório Nacional de Brookhaven e três universidades, conduziu um estudo recente que combinou simulação de supercomputador e caracterização de raios-X de um material que gradualmente "esquece". Isso poderia um dia ser usado para computação bioinspirada avançada.

"É difícil criar um material não vivo que mostre um padrão semelhante a uma espécie de esquecimento, mas o material específico com que trabalhamos pode realmente imitar esse tipo de comportamento, "disse o Subramanian Sankaranarayanan, Nanocientista de Argonne e autor do estudo.

"O cérebro tem capacidade limitada, e só pode funcionar de forma eficiente porque é capaz de esquecer, "disse o Subramanian Sankaranarayanan, um nanocientista de Argonne e autor do estudo. "É difícil criar um material não vivo que mostre um padrão semelhante a uma espécie de esquecimento, mas o material específico com que estávamos trabalhando pode realmente imitar esse tipo de comportamento. "

O material, chamado de perovskita quântica, oferece aos pesquisadores um modelo não biológico mais simples de como o "esquecimento" pode parecer em um nível eletrônico. A perovskita mostra uma resposta adaptativa quando prótons são inseridos e removidos repetidamente, semelhante à dessensibilização do cérebro a um estímulo recorrente.

Quando os cientistas inicialmente adicionam ou removem um próton (H +) da perovskita (SmNiO ₃ (SNO)) treliça, a estrutura atômica do material se expande ou se contrai dramaticamente para acomodá-lo em um processo chamado "respiração treliça". Mas quando isso acontece repetidamente, o comportamento do material evolui de tal forma que a respiração da rede é reduzida - a "ameaça" do próton não faz mais com que o material hiperventile.

"Eventualmente, torna-se mais difícil fazer a perovskita 'cuidar' se estamos adicionando ou removendo um próton, "disse Hua Zhou, um físico envolvido na caracterização do comportamento do material usando raios-X fornecidos pela Fonte Avançada de Fótons de Argonne (APS), um DOE Office of Science User Facility. "É como quando você fica com muito medo em um toboágua na primeira vez que você cai, mas cada vez depois disso, você tem cada vez menos uma reação. "

À medida que o material responde aos prótons que os cientistas adicionam e subtraem, sua capacidade de resistir a uma corrente elétrica pode ser severamente afetada. Este comportamento permite que o material seja efetivamente programado, como um computador, pelo doping de prótons. Essencialmente, um cientista poderia inserir ou remover prótons para controlar se a perovskita permitiria ou não uma corrente.

Os pesquisadores recentemente pressionaram para desenvolver materiais não baseados em silício, como perovskitas, para computação porque o silício se esforça para usar a energia de forma tão eficiente. Os cientistas podem usar perovskitas em máquinas de aprendizagem ao longo da linha. Mas os cientistas também podem tirar proveito das propriedades da perovskita, usando-as como base para modelos computacionais de sistemas de aprendizagem biológica mais complexos.

"Essas simulações, que se aproximam muito dos resultados experimentais, estão inspirando algoritmos totalmente novos para treinar redes neurais para aprender, "Zhou disse.

O material de perovskita e os algoritmos de rede neural resultantes podem ajudar a desenvolver inteligência artificial mais eficiente, capaz de reconhecimento facial, raciocínio e tomada de decisão humana. Os cientistas estão continuando a pesquisa para descobrir outros materiais com essas propriedades semelhantes às do cérebro e novas maneiras de programar esses materiais.

Finalmente, ao contrário do silício, cuja estrutura eletrônica pode ser facilmente descrita usando modelos de computador simples, compreender o material perovskita requer simulações computacionalmente intensas para capturar como sua estrutura reage ao doping de prótons.

"Uma estrutura clássica não se aplica a este sistema complexo, "disse Sankaranarayanan, que ajudou a criar modelos complexos do comportamento da perovskita no Argonne's Center for Nanoscale Materials e Argonne Leadership Computing Facility, ambos DOE Office of Science User Facilities. "Os efeitos quânticos dominam, portanto, são necessárias simulações muito exigentes do ponto de vista computacional para mostrar como o próton se move dentro da estrutura. "

Este tipo de pesquisa abrangente é uma capacidade única do campus interdisciplinar de Argonne, onde os cientistas podem facilmente compartilhar ideias e recursos.

Um estudo baseado na pesquisa, "Plasticidade sináptica baseada na habituação e aprendizagem organísmica em uma perovskita quântica, "apareceu na edição online de 14 de agosto da Nature Communications .