À medida que a inteligência artificial se torna cada vez mais sofisticada, inspirou esforços renovados para desenvolver computadores cuja arquitetura física imita o cérebro humano. Uma abordagem, chamado de computação de reservatório, permite que os dispositivos de hardware alcancem os cálculos de dimensão mais alta exigidos pela inteligência artificial emergente. Um novo dispositivo destaca o potencial de sistemas mecânicos extremamente pequenos para realizar esses cálculos.

Um grupo de pesquisadores da Université de Sherbrooke em Québec, Canadá, relata a construção do primeiro dispositivo de computação de reservatório construído com um sistema microeletromecânico (MEMS). Publicado no Journal of Applied Physics , a rede neural explora a dinâmica não linear de um feixe de silício em microescala para realizar seus cálculos. O trabalho do grupo visa criar dispositivos que possam atuar simultaneamente como um sensor e um computador, usando uma fração da energia que um computador normal usaria.

O artigo aparece em uma seção de tópico especial da revista dedicada a "Nova Física e Materiais para Computação Neuromórfica, "que destaca novos desenvolvimentos na pesquisa científica física e de materiais que prometem desenvolver em grande escala, sistemas integrados "neuromórficos" de amanhã que levarão a computação além das limitações dos semicondutores atuais.

"Esses tipos de cálculos são normalmente feitos apenas em software, e os computadores podem ser ineficientes, "disse Guillaume Dion, um autor no papel. "Muitos dos sensores de hoje são construídos com MEMS, portanto, dispositivos como o nosso seriam a tecnologia ideal para confundir a fronteira entre sensores e computadores. "

O dispositivo depende da dinâmica não linear de como o feixe de silício, em larguras 20 vezes mais finas do que um fio de cabelo humano, oscila no espaço. Os resultados desta oscilação são usados ​​para construir uma rede neural virtual que projeta o sinal de entrada no espaço dimensional superior necessário para a computação da rede neural.

Em demonstrações, o sistema foi capaz de alternar entre diferentes tarefas de benchmark comuns para redes neurais com relativa facilidade, Dion disse, incluindo a classificação de sons falados e processamento de padrões binários com precisões de 78,2 por cento e 99,9 por cento, respectivamente.

"Este minúsculo feixe de silício pode realizar tarefas muito diferentes, "disse Julien Sylvestre, outro autor no papel. "É surpreendentemente fácil de ajustar para que tenha um bom desempenho no reconhecimento de palavras."

Sylvestre disse que ele e seus colegas estão procurando explorar cálculos cada vez mais complicados usando o dispositivo de feixe de silício, com a esperança de desenvolver sensores e controladores de robôs pequenos e eficientes em termos de energia.