A produtividade científica inovadora de Isaac Newton, embora isolada da propagação da peste bubônica, é lendária. Os físicos da Universidade da Califórnia em San Diego agora podem reivindicar uma participação nos anais da ciência impulsionada pela pandemia.

Uma equipe de pesquisadores da UC San Diego e colegas da Purdue University agora simularam a fundação de novos tipos de dispositivos de computação de inteligência artificial que imitam as funções cerebrais, uma conquista que resultou do bloqueio da pandemia COVID-19. Ao combinar novos materiais de supercomputação com óxidos especializados, os pesquisadores demonstraram com sucesso a espinha dorsal de redes de circuitos e dispositivos que refletem a conectividade de neurônios e sinapses em redes neurais de base biológica.

As simulações são descritas no Proceedings of the National Academy of Sciences ( PNAS )

À medida que as demandas de largura de banda nos computadores e outros dispositivos de hoje atingem seu limite tecnológico, os cientistas estão trabalhando em direção a um futuro em que novos materiais possam ser orquestrados para imitar a velocidade e a precisão de sistemas nervosos semelhantes aos animais. Computação neuromórfica baseada em materiais quânticos, que exibem propriedades baseadas na mecânica quântica, permitem aos cientistas a capacidade de ir além dos limites dos materiais semicondutores tradicionais. Essa versatilidade avançada abre a porta para dispositivos da nova era que são muito mais flexíveis com demandas de energia mais baixas do que os dispositivos de hoje. Alguns desses esforços estão sendo liderados pelo Professor Assistente do Departamento de Física Alex Frañó e outros pesquisadores da UC San Diego's Quantum Materials for Energy Efficient Neuromorphic Computing (Q-MEEN-C), um Centro de Pesquisa de Fronteira de Energia apoiado pelo Departamento de Energia.

"Nos últimos 50 anos, vimos conquistas tecnológicas incríveis que resultaram em computadores cada vez menores e mais rápidos, mas mesmo esses dispositivos têm limites para armazenamento de dados e consumo de energia, "disse Frañó, que atuou como um dos autores do artigo PNAS, junto com o ex-chanceler da UC San Diego, Presidente da UC e físico Robert Dynes. "A computação neuromórfica é inspirada nos processos emergentes de milhões de neurônios, axônios e dendritos que estão conectados por todo o nosso corpo em um sistema nervoso extremamente complexo. "

Como físicos experimentais, Frañó e Dynes normalmente estão ocupados em seus laboratórios, usando instrumentos de última geração para explorar novos materiais. Mas com o início da pandemia, Frañó e seus colegas foram forçados ao isolamento com a preocupação de como manteriam o avanço de suas pesquisas. Eles finalmente chegaram à conclusão de que poderiam avançar sua ciência a partir da perspectiva de simulações de materiais quânticos.

"Este é um artigo pandêmico, "disse Frañó." Meus co-autores e eu decidimos estudar esta questão de uma perspectiva mais teórica, então nos sentamos e começamos a ter reuniões semanais (baseadas em zoom). Eventualmente, a ideia se desenvolveu e decolou. "

A inovação dos pesquisadores foi baseada na união de dois tipos de substâncias quânticas - materiais supercondutores baseados em óxido de cobre e materiais de transição isolantes de metal baseados em óxido de níquel. Eles criaram "dispositivos de loop" básicos que poderiam ser precisamente controlados em nanoescala com hélio e hidrogênio, refletindo a maneira como os neurônios e as sinapses estão conectados. Adicionando mais desses dispositivos que se conectam e trocam informações entre si, as simulações mostraram que eventualmente eles permitiriam a criação de uma série de dispositivos em rede que exibem propriedades emergentes como o cérebro de um animal.

Como o cérebro, dispositivos neuromórficos estão sendo projetados para melhorar as conexões que são mais importantes do que outras, semelhante à maneira como as sinapses pesam mensagens mais importantes do que outras.

"É surpreendente que quando você começa a colocar mais loops, você começa a ver um comportamento que não esperava, "disse Frañó." A partir deste artigo, podemos imaginar fazendo isso com seis, 20 ou uma centena desses dispositivos - então, fica exponencialmente rico a partir daí. Em última análise, o objetivo é criar uma rede muito grande e complexa desses dispositivos que terão a capacidade de aprender e se adaptar. "

Com restrições à pandemia atenuadas, Frañó e seus colegas estão de volta ao laboratório, testar as simulações teóricas descritas no papel PNAS com instrumentos do mundo real.