Novo método de computação neuromórfica pode acelerar rapidamente o avanço da IA

A estudante de doutorado Kiumars Aryana está investigando o potencial de implementação de um novo tipo de memória — memória de mudança de fase — para descobrir como minimizar o consumo de energia e a degradação dos materiais do computador ao longo do tempo. As descobertas de Aryana podem abrir caminho para a tática a ser usada na computação neuromórfica, um tipo de IA que imita redes neurais no cérebro. Isso pode revolucionar a maneira como a inteligência artificial, incluindo dispositivos cotidianos como Alexa e Siri, é usada em todo o mundo.

PCM é uma forma de memória de computador que armazena dados alterando a fase de uma liga específica. O PCM eficiente e durável permite velocidades de processamento cada vez mais rápidas, o que melhora as velocidades atuais de IA padrão do setor. Isso requer processamento a uma taxa ainda mais rápida do que o cérebro humano.

O processamento mais rápido permitirá que o computador processe informações em uma fração de segundo e seja capaz de identificar as coisas rapidamente – assim como o cérebro humano faz. À medida que os recursos de processamento de dados avançam, a inteligência artificial tem o potencial de alcançar recursos extensivos.

Embora a tecnologia que utilizamos hoje seja sofisticada e complexa, o consumo de energia e a eficiência da memória são as principais limitações que até agora impediram a inteligência artificial — e nossa capacidade coletiva de resolver problemas rapidamente — de atingir o próximo nível. Os computadores comuns têm armazenamento de longo prazo e armazenamento de memória de acesso aleatório de curto prazo e, para salvar dados para uso de longo prazo, é preciso salvá-los na memória de longo prazo. Os computadores normalmente usam transistores para transmitir internamente esses sinais elétricos.

O uso de dois sistemas de memória separados é limitado, e os pesquisadores estão tentando encontrar uma maneira de combinar os dois sistemas de memória, eliminando a necessidade de eles se comunicarem entre si. Para isso, Aryana e outros alunos de doutorado do departamento de física estão fazendo experimentos com computação neuromórfica.

“Não temos uma seção [em nosso cérebro] que armazena a memória e uma seção [separada] para processar informações”, disse Aryana. “Nós processamos a informação entre os neurônios. Estamos tentando fazer um mecanismo de processamento na memória onde você processa as informações dentro deles.”

A memória de mudança de fase usa calor para processar e armazenar dados, substituindo os transistores por um material que alterna entre dois estados para fazer a ponte entre a memória RAM e a memória de armazenamento de longo prazo. Essas mudanças de estado do material PCM são substanciais e rápidas.

“O que acontece nesses dispositivos de memória é que você derrete o material e depois o resfria”, disse Aryana. “Isso significa que o material sobe para cerca de 600 [graus] Celsius e depois esfria rapidamente até a temperatura ambiente na ordem de nanossegundos, por isso é um processo muito rápido.”

O uso de calor na memória de mudança de fase é degradante para o material e consome uma quantidade generosa de energia. Assim, o próximo passo para desenvolver uma tecnologia eficiente envolve tornar esse processo mais eficiente e durável.

“Procuramos encontrar composições de materiais e técnicas para reduzir o consumo de energia dos dispositivos, porque uma das maiores limitações agora associadas à memória de mudança de fase é o grande consumo de energia decorrente do uso de calor para mudar de fase,” disse Ariana.

O uso consistente da memória de mudança de fase afeta as propriedades do material no computador.

“[Memória de mudança de fase] resulta na segregação desses materiais dentro de nossa liga”, disse Aryana. “Com o tempo, ao repetir esse processo várias vezes, você verá que seu material fica segregado. Agora, você tem diferentes elementos dentro de uma liga uniforme.”

Um componente importante da pesquisa de Aryana é determinar quais composições de materiais são mais duráveis ​​e minimizam o consumo de energia. Ele descobriu que uma liga conhecida como telureto de silício tem a menor condutividade térmica, permitindo isolar o calor em espessuras minúsculas.

O estudante de doutorado Md Shafkat Bin Hoque frequentemente colabora com Aryana e também estuda gerenciamento térmico de dispositivos eletrônicos. Hoque está explorando como remover o calor dos sistemas de mudança de fase. Tanto a pesquisa de Hoque quanto a de Aryana são considerações importantes na computação neuromórfica, pois exigem que os computadores sejam mais rápidos, mais eficientes e duráveis.

“Estamos procurando ativamente meios para remover o calor dos transistores para que não peguem fogo e funcionem com eficiência pelo maior tempo possível”, disse Hoque. “Meu objetivo nessa pesquisa é encontrar materiais diferentes que possam efetivamente remover o calor dos pontos quentes.”

Embora a pesquisa do PCM pretenda se manifestar em inteligência artificial, ela ainda está em seus estágios iniciais. De acordo com Hoque, resta muito trabalho para traduzir seu trabalho na criação de um supercomputador verdadeiramente funcional.

“Os supercomputadores geralmente pegam uma pequena parte do problema e depois o resolvem”, disse Hoque. “Mas se os supercomputadores se tornarem mais rápidos, eles podem resolver todo o problema em vez de apenas uma pequena parte…

Essas descobertas têm o potencial de mudar tremendamente a maneira como interagimos com a inteligência artificial no dia a dia.

“Tudo se resume à tecnologia e aos dispositivos, com que rapidez essa tecnologia pode processar os dados”, disse Aryana. “Se pudermos ter um processador significativamente mais rápido, capaz de realizar todos esses cálculos no local, podemos tornar a Alexa ou a Siri muito mais rápidas porque elas podem processar as informações mais rapidamente.”

Leia mais