Imitando o cérebro com neurônios artificiais transistores únicos

Prévia do material em texto

1/4
Imitando o cérebro com neurônios artificiais transistores
únicos
As exigências de poder da Internet das Coisas poderiam ser combatidas com sistemas de computação
que imitam os neurônios biológicos.
A quarta revolução industrial está em andamento, com a inteligência artificial (IA) em seu coração,
alimentando novas tecnologias e dispositivos de Internet das Coisas (IoT), de relógios inteligentes a
geladeiras inteligentes, carros autônomos a assistentes domésticos e sistemas de segurança para uma
vasta gama de sensores.
O uso da arquitetura de computadores convencionais na aplicação prática da IA em IoTs leva a grandes
demandas de energia decorrentes da mudança repetitiva de enormes quantidades de dados entre
processadores e unidades de memória.
Essas demandas só são definidas para aumentar à medida que a IA melhora e quantidades ainda
maiores de dados são geradas. Este aumento do consumo de energia vem com um impacto potencial no
meio ambiente através da emissão de gases de efeito estufa através da geração de eletricidade através
da queima de combustíveis fósseis.
A necessidade de reduzir o consumo de energia na tecnologia IoT levou à necessidade de alternativas
alternativas e de baixa potência que possam implementar a IA. Um deles é hardware neuromórfico de
poder ultrabaixo baseado em neurônios artificiais que operam exatamente como os encontrados no
cérebro humano.
https://www.advancedsciencenews.com/what-is-the-internet-of-things/
2/4
“O hardware neuromórfico imita a estrutura e o funcionamento do cérebro humano”, disse o principal
autor do artigo e o Instituto Avançado de Ciência e Tecnologia da Coreia, o pesquisador do
Departamento de Engenharia Elétrica Joon-Kyu Han. “Pode reduzir significativamente o consumo de
energia em comparação com a arquitetura de computação convencional.”
Han explicou que isso ocorre porque os cálculos paralelos são realizados sem separação do
processador e da memória em dispositivos neuromórficos – o que significa que os dados não precisam
ser transportados entre os dois – e a informação é transmitida escassamente na forma de picos.
“Hoje em dia, o hardware neuromórfico é um tópico de pesquisa muito quente para engenheiros de
dispositivos, porque os circuitos compostos por vários transistores têm um limite em termos de eficiência
de área e custo de hardware”, disse Han. No entanto, a maioria deles se concentrou na construção de
uma sinapse artificial com um único dispositivo, como um memristor, que lembra e determina a
conectividade entre dois neurônios.
“Considerando que um neurônio artificial é um componente importante do hardware neuromórfico,
pensei que a pesquisa para implementar neurônios artificiais com um único dispositivo era necessária,
bem como sinapses artificiais”.
Um transistor em forma de barbatana aumenta o desempenho
O neurônio artificial proposto por Han e seus colegas é idêntico ao de um transistor de efeito de campo
em forma de barbatana (FinFET) - um tipo de transistor 3D com múltiplas aletas cobertas pelo mesmo
portão que agem eletricamente como uma, aumentando a força e o desempenho. A camada de
armadilha de carga presente no portão desempenha um papel na integração do sinal.
No neurônio FinFET da equipe, o portão possui uma configuração chamada silício de canal de óxido de
bloqueio de óxido de bloqueio de silício, ou SONOS, que exclui o óxido de tunelamento.
“Na memória flash comercializada, o óxido de tunelamento impede que as cargas presas escapem para
uma melhor capacidade de memória”, disse Han. “Em nosso neurônio FinFET proposto, o óxido de
tunelamento foi intencionalmente removido por escapar das cargas presas nos dando a função de
vazamento do neurônio.
“Assim, a função de integração e fogo com vazamento (LIF) do neurônio biológico foi imitada graças à
estrutura do portão do neurônio FinFET proposto”.
Superando problemas com neurônios artificiais
Embora o hardware neuromórfico seja ideal para aplicações em dispositivos móveis e IoT, onde a
eficiência de energia é importante, uma limitação é o tamanho de um sistema necessário para imitar o
cérebro humano.
“Como o cérebro humano consiste em cerca de 1011 neurônios, é necessário desenvolver neurônios
altamente escaláveis [artificiais] para aplicá-los a dispositivos móveis e IoT”, acrescentou Han.
3/4
Essa complexidade significa que qualquer sistema artificial que replica o cérebro biológico requer
neurônios artificiais para serem construídos com circuitos digitais ou analógicos complexos compostos
por muitos transistores. Isso, por sua vez, leva a limites impostos a esses sistemas em termos de
eficiência e custo de hardware.
“Como o neurônio FinFET que propusemos é composto por um único transistor, ele pode reduzir muito o
custo de área e hardware dos neurônios convencionais baseados em circuitos e hardware
neuromórfico”, acrescentou o pesquisador. “Descobrimos que a operação do neurônio era possível
mesmo com um dispositivo de tamanho muito pequeno com uma largura de barbatana de 25
nanômetros (cerca de 0,000025 milímetros) e um comprimento de portão de 30 nanômetros (cerca de
0,00003 milímetros).
Isso significa que o neurônio artificial desenvolvido por Han e a equipe é muito menor do que os
neurônios biológicos, que variam em tamanho de 4 a 100 microns ou cerca de 0,004 a 0,1 milímetros.
Assim, o pequeno tamanho das unidades individuais poderia ajudar nesses neurônios artificiais a serem
ampliados, construindo hardware neuromórfico que pode replicar a função cerebral de baixa potência.
Escalabilidade não é o único problema com os neurônios artificiais atuais, no entanto. Outra coisa que
mantém a aplicação de neurônios artificiais aos dispositivos IoT é a falta de compatibilidade com o
metal-óxido-semicondutor (CMOS). A tecnologia CMOS é empregada na tecnologia de semicondutores
usada na maioria dos circuitos integrados atuais – chips ou microchips – encontrados em IoTs, o que
significa que a compatibilidade com CMOS é altamente desejável.
O neurônio FinFET desenvolvido pela equipe adota a tecnologia CMOS convencional, o que significa
que ela poderia ajudar a avançar na comercialização de hardware neuromórfico.
“Ao usar o neurônio FinFET em uma rede neural artificial, o reconhecimento de padrões pode ser
realizado que pode ser aplicado a várias aplicações, como veículos autônomos, robôs, sensores de IoT
e fábricas inteligentes”, acrescentou Han.
“Nesta pesquisa, implementamos um reconhecimento de padrões muito simples com uma imagem de 2
x 2 pixels”, concluiu Han. “O próximo passo é construir um sistema neuromórfico em larga escala
composto por muitos neurônios para implementar um reconhecimento de padrões mais complexo.”
Referência: Joon-Kyu. Han., et al., Um neurônio artificial com um FinFET de vazamento para uma rede
neural capacitiva altamente escalável, sistemas inteligentes avançados (2022). DOI:
10.1002/aisy.202200112
Imagem da característica: Krzysztof Kowalik em Unsplash
ASN WeeklyTradução
Inscreva-se para receber nossa newsletter semanal e receba as últimas notícias científicas diretamente
na sua caixa de entrada.
ASN WeeklyTradução
https://onlinelibrary.wiley.com/doi/10.1002/aisy.202200112
4/4
Inscreva-se no nosso boletim informativo semanal e receba as últimas notícias científicas.