Motor Neuromórfico Alimenta Robô Rolante, Cortando Consumo de Energia em 99,75%

Motion Design INSIDER

Computação Analógica Renasce com Memristores

Computação analógica está voltando com hardware que processa e armazena informação no mesmo local, similar a neurônios biológicos. Computador menor, mais leve e mais eficiente energeticamente, demonstrado na Universidade de Michigan, pode ajudar economizar peso e energia para drones e rovers autônomos, com implicações para veículos autônomos mais amplamente.

Controlador autônomo tem entre menores requisitos de potência relatados, segundo estudo publicado na Science Advances. Opera a meros 12,5 microwatts — na faixa de um marcapasso. Em testes, robô rolante usando controlador perseguiu alvo zigzagueando por corredor com mesma velocidade e precisão que controlador digital convencional. Em segundo teste, com braço alavanca que se reposicionava automaticamente, novo controlador funcionou igualmente bem.

"Este trabalho introduz dispositivo nanoeletrônico inovador projetado para plataformas de hardware que podem computar eficientemente com arquiteturas de rede neural," disse Xiaogan Liang, professor de engenharia mecânica da U-M e autor correspondente do estudo.

Alta eficiência e miniaturização são especialmente importantes para aplicações como drones e rovers espaciais, onde tanto peso quanto energia são premium. No entanto, veículos autônomos convencionais também podem se beneficiar. Bilhão de horas de direção autônoma por ano poderia consumir mais energia que data centers atuais combinados mundialmente, segundo pesquisa prévia.

Memristores: Elemento de Circuito que Muda o Jogo

Computação analógica, quase abandonada por consumo de potência menor e precisão maior do digital, pode parecer herói improvável — mas elemento de circuito relativamente novo está mudando jogo. Memristor, proposto em 1971 e primeiro demonstrado em 2008, armazena informação em sua resistência elétrica. Quando exposto a voltagem, reduz quantidade de resistência que imporá no próximo sinal. Alguns memristores esquecem sinais prévios com tempo e retornam à resistência original, comportamento similar a relaxamento em neurônios. Este é tipo que equipe de Liang construiu.

Como já funcionam muito como redes neurais, redes de memristor podem funcionar como redes neurais artificiais muito mais eficientemente que computadores baseados em transistores convencionais. Além disso, para sensores e atuadores que são analógicos eles mesmos, manter processamento analógico economiza custos de energia de converter sinais entre analógico e digital.

Fabricação e Arquitetura do Chip

Equipe construiu circuitos de memristor na Lurie Nanofabrication Facility na U-M esfregando ponta de ouro, aproximadamente 30 mícrons de diâmetro, através de chip de silício — como esfregar balão no cabelo para grudar na parede com eletricidade estática. Cargas elétricas então guiaram seleneto de bismuto vaporizado a acumular ao longo de oito linhas cruzadas cerca de 15 nanômetros de espessura, arranjadas similar a tabuleiro de jogo da velha. Então depositaram eletrodos de titânio e ouro nas extremidades de cada linha.

Injetaram sinais através de um eletrodo e leram em cinco eletrodos do outro lado do chip, cada um representando neurônio. No estudo, dados de câmera do robô rolante tiveram que ser convertidos a sinais analógicos em processador de silício antes de rodar através da rede de memristor. Similarmente, para braço alavanca, dados sobre posição do braço entraram na rede memristor através de processador de silício, e produziu fundamentos de instruções para rodar rotor de drone anexado para levantar braço à posição correta.

"Dispositivos como o nosso poderiam permitir robôs terem comportamentos intuitivos como seres humanos, como você tocar água muito quente e puxar mão de volta. Resposta de controle pode ser menos precisa, mas pode ser muito rápida," disse Mingze Chen, recém-doutor em engenharia mecânica.

"Edge computing significa informação não precisa viajar a data center para processamento, como nervos e músculos em nossa mão e braço podem reagir sem enviar informação ao cérebro. Edge computing pode ser mais rápido, com menor consumo de energia, porque não gastamos tempo e energia transmitindo dados."

Fonte: Universidade de Michigan

Transcrição

Nenhuma transcrição disponível para este vídeo.