Estudo revela: computação inspirada no cérebro com eficiência energética revolucionária

São PauloComputadores avançaram bastante em suas capacidades. Eles conseguem processar e prever dados com eficiência. No entanto, cérebros humanos utilizam muito menos energia. Mesmo os melhores computadores necessitam de cerca de 10.000 vezes mais energia do que os cérebros humanos para executar tarefas como o processamento de imagens.

Reduzir o consumo de energia pelos computadores é crucial. Os eletrônicos nos computadores são o quarto maior consumidor de energia no mundo, e essa demanda está aumentando devido às aplicações em inteligência artificial. O desperdício de energia também agrava o aquecimento global. Por isso, desenvolver tecnologias de computação eficientes em energia é uma prioridade urgente.

Computação Neuromórfica Revoluciona Eficiência Energética

A computação neuromórfica imita o funcionamento do cérebro, usando neurônios que processam informações simultaneamente e consomem pouca energia. Esse método pode diminuir a energia necessária para a computação. Pesquisadores da UC Santa Barbara, Intel Labs, e outras instituições publicaram um estudo na revista Nature Communications sobre uma nova plataforma de computação neuromórfica. Eles utilizaram transistores especiais feitos de materiais 2D chamados dicalcogenetos de metais de transição, que podem ajudar a reduzir o consumo de energia a níveis semelhantes ao do cérebro humano.

Esta nova plataforma conta com recursos intuitivos, design limpo, desempenho rápido e segurança robusta.

• Utiliza TFETs baseados em TMDs 2D
• Correntes de estado desligado mais baixas
• Baixo gradiente de sub-intervalo (SS)
• Potencial para significativa eficiência energética

A computação neuromórfica já existe há algum tempo e vem recebendo mais atenção recentemente. Melhorias nos circuitos tornaram possível a criação de transistores menores e mais compactos. Isso permite realizar mais processamento e adicionar mais funções enquanto se consome menos energia.

Leia também:

Ontem · 20:33

Sons da magia: encantamentos para o público cego

Pesquisadores estão desenvolvendo novos transistores de túnel 2D que funcionam bem em baixas voltagens. Esses pequenos transistores consomem menos energia e trocam rapidamente, imitando a maneira eficiente de trabalhar do cérebro. A arquitetura de computação neuromórfica utiliza circuitos que só se ativam quando necessário, ao contrário dos computadores tradicionais que consomem energia continuamente.

Computadores tradicionais utilizam uma arquitetura von Neumann, onde os dados são processados passo a passo e as unidades de memória e processamento são separadas. Em contrapartida, computadores neuromórficos (NM) processam dados apenas quando há uma entrada e sua memória e processamento estão distribuídos por vários transistores. Empresas como Intel e IBM criaram plataformas inspiradas no cérebro com bilhões de transistores conectados que economizam muita energia, mas ainda há espaço para melhorias.

A maioria da perda de energia em chips NM atuais ocorre devido a correntes de fuga. Estas são pequenas quantidades de eletricidade que passam mesmo quando o circuito está desligado. Os chips NM atuais utilizam MOSFETs, que apresentam alta fuga quando desligados. O novo método utiliza TFETs, que têm uma fuga muito menor quando desligados, tornando o uso de energia muito mais eficiente.

Quando utilizados em circuitos neuromórficos, os TFETs consumiram menos energia do que os mais recentes MOSFETs. Eles se destacaram especialmente em relação aos FinFETs, um tipo de MOSFET com estruturas verticais para melhorar a comutação. Embora ainda estejam em fase de pesquisa, o desempenho dos TFETs parece promissor para futuros sistemas de computação inspirados no cérebro.

Pesquisadores acreditam que essa nova plataforma consome menos energia, de forma semelhante ao cérebro humano. Ela não inclui energia para circuitos de interface e armazenamento de memória. No futuro, versões 3D desses circuitos podem operar de maneira ainda mais eficiente. Esses circuitos tridimensionais aumentariam o desempenho e a eficiência. Essa plataforma representa um grande avanço em relação à tecnologia atual.