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.