Durante a década de 1990, Carver Mead e seus colegas combinaram a pesquisa básica em neurociência com o design elegante de circuitos analógicos em engenharia eletrônica. Esse trabalho pioneiro em circuitos eletrônicos neuromórficos inspirou pesquisadores na Alemanha e na Suíça a explorar a possibilidade de reproduzir a física de circuitos neurais reais usando a física do silício.

O campo da eletrônica neuromórfica "que imita o cérebro" mostra um grande potencial não apenas para a pesquisa básica, mas também para a exploração comercial de aplicativos de computação de ponta e "internet das coisas".

No Cartas de Física Aplicada Elisabetta Chicca, da Bielefeld University, e Giacomo Indiveri, da Universidade de Zurique e ETH Zurique, apresentam seu trabalho para entender como os sistemas de processamento neural em biologia realizam computação, bem como uma receita para reproduzir esses princípios de computação em eletrônica analógica / digital de sinal misto e materiais novos.

Uma das características computacionais mais distintas das redes neurais é o aprendizado, então Chicca e Indiveri estão particularmente interessados ​​em reproduzir as propriedades adaptativas e plásticas de sinapses reais. Eles usaram circuitos eletrônicos de semicondutores de óxido de metal complementar padrão (CMOS) e tecnologias de memória em nanoescala avançadas, como dispositivos memristivos¬, para construir sistemas inteligentes que podem aprender.

Este trabalho é significativo, porque pode levar a uma melhor compreensão de como implementar processamento de sinal sofisticado usando dispositivos compactos e de energia extremamente baixa.

Suas principais descobertas são que as desvantagens aparentes dessas tecnologias de computação de baixo consumo de energia, principalmente relacionado à baixa precisão, alta sensibilidade ao ruído e alta variabilidade, pode realmente ser explorado para realizar computação robusta e eficiente, muito parecido com o cérebro, pode usar neurônios altamente variáveis ​​e ruidosos para implementar um comportamento robusto.

Os pesquisadores disseram que é surpreendente ver o campo das tecnologias de memória, normalmente preocupado com tecnologias de dispositivos de alta densidade com precisão de bits, agora olhando para cérebros de animais como uma fonte de inspiração para entender como construir sistemas de processamento neural adaptáveis ​​e robustos. Está muito de acordo com a agenda de pesquisa básica que Mead e seus colegas estavam seguindo há mais de 30 anos.

"Os sistemas de processamento neural eletrônico que construímos não se destinam a competir com os poderosos e precisos sistemas de inteligência artificial que funcionam em grandes clusters de computador para processamento de linguagem natural ou reconhecimento e classificação de imagem de alta resolução, "disse Chicca.

Em contraste, seus sistemas "oferecem soluções promissoras para as aplicações que requerem processamento em tempo real compacto e de muito baixo consumo de energia (submiliwatt) com latências curtas, "Disse Indiveri.

Ele disse que exemplos de tais aplicativos se enquadram no "domínio da 'computação de ponta', que requerem uma pequena quantidade de inteligência artificial para extrair informações de sinais sensoriais ao vivo ou streaming, como para processamento de biossinais em dispositivos vestíveis, interfaces cérebro-máquina e monitoramento ambiental sempre ativo. "