Neurônios Artificiais de Mudança de Fase da IBM Imitam Picos Cerebrais para Computação Ultra-Densa e Baixo Consumo

Pesquisa de Manuel Le Gallo inspirará nova geração de sistemas de computação neuromórfica extremamente densos. (Fonte: IBM Research – Zurich)

Inspirados na comunicação baseada em picos do cérebro humano, pesquisadores da IBM Research em Zurich desenvolveram neurônios artificiais que emulam comportamento "integra-e-dispara" visto quando tocamos uma chapa quente. Estes dispositivos podem detectar padrões e descobrir correlações em grandes conjuntos de dados enquanto consomem energia e ocupando espaço comparáveis a tecido biológico — conquista que escapou a cientistas por décadas.

O avanço é detalhado no paper "Neurônios de mudança de fase estocásticos", que estampou a capa do Nature Nanotechnology hoje. O trabalho demonstra como elementos de memória de mudança de fase podem ser configurados para atuar como neurônios ultra-densos e de baixa energia capazes de aprendizado não supervisionado em alta velocidade.

Conversei com co-autor e cientista da IBM Research – Zurich Manuel Le Gallo, que está completando seu PhD na ETH Zurich.

Como funciona um neurônio artificial?

Manuel Le Gallo: Um neurônio artificial implementa circuito "integra-e-dispara". Acumula sinais entrantes; quando potencial somado atinge limiar, emite um pico. Esta simples acumulação pode realizar computações surpreendentemente complexas.

O que inspirou o design?

ML: O objetivo é espelhar poder computacional de neurônio biológico. Enquanto neurônios artificiais tradicionais dependem de transistores CMOS, nossa abordagem usa dispositivos de mudança de fase para alcançar mesma funcionalidade com dramaticamente menor potência e maior densidade.

Qual foi seu papel?

ML: Minha pesquisa em física de mudança de fase nos últimos três anos informou design destes neurônios e nos permitiu interpretar dados experimentais apresentados no paper.

"Acreditamos que nossa abordagem será mais eficiente, especialmente para processar grandes quantidades de dados."

—Manuel Le Gallo, cientista da IBM Research

Onde neurônios artificiais podem ser aplicados?

Pequenos quadrados são pads de contato usados para acessar células de mudança de fase em nanoescala (não visíveis). Sondas afiadas tocam pads para alterar configuração de fase em resposta a entrada neuronal. Cada conjunto de sondas acessa população de 100 células.

ML: Nossos experimentos mostram que um único neurônio com múltiplas sinapses plásticas pode detectar correlações temporais através de muitos fluxos de eventos binários — como mídia social, clima ou dados de sensores IoT — disparando quando eventos se alinham.

Por que computação neuromórfica é mais eficiente?

ML: Arquiteturas convencionais separam memória e lógica, forçando transferência custosa de dados. Em sistemas neuromórficos, computação e armazenamento coexistem, eliminando transferências memória-para-lógica e reduzindo drasticamente consumo de energia, especialmente para conjuntos de dados massivos.

Manuel Le Gallo obteve Mestrado em Engenharia Elétrica na ETH Zurich e completou tese na IBM. Agora busca PhD.

Sobre o autor: Millian Gehrer é estagiário de verão na IBM Research – Zurich, entrevistando cientistas para aprender sobre seu trabalho. No outono, começará Ciência da Computação em Princeton University.