Informática

Computação neuromórfica vai deixar computação quântica para trás?

Computação neuromórfica vai deixar computação quântica para trás?
O dispositivo de teste da plataforma de memoristores, que promete superar os qubits dos computadores quânticos - as junções túnel estão em uma película fina na placa do substrato.[Imagem: Tapio Reinekoski]

Memoristores contra transistores e qubits

A internet das coisas está mais do que anunciada, mas ainda não chegou; e provavelmente não chegará até que possamos lidar com a explosão de dados que deverá acompanhar a chamada IoT.

Dois obstáculos precisam ser superados. Primeiro, os transistores atuais precisariam ser miniaturizados até apenas alguns nanômetros - o problema é que eles não funcionarão mais nessas dimensões. Em segundo lugar, analisar e armazenar essas quantidades de dados sem precedentes exigirá quantidades de energia igualmente gigantescas.

Sayani Majumdar e seus colegas da Universidade de Aalto, na Finlândia, acreditam que a saída para essa encruzilhada está não nos computadores quânticos, mas nos computadores neuromórficos, inspirados no cérebro humano. E computadores neuromórficos não são feitos com transistores, mas com memoristores, componentes eletrônicos capazes de reter memória e, portanto, guardar mais do que meros 0s e 1s.

"A tecnologia e o design da computação neuromórfica estão avançando mais rapidamente do que a sua revolução rival, a computação quântica.

"Já há amplas especulações, tanto na academia quanto na indústria, sobre formas de embutir recursos pesados de computação no hardware de telefones inteligentes, tablets e laptops. A chave é alcançar a extrema eficiência energética de um cérebro biológico e imitar a maneira como as redes neurais processam informações através de impulsos elétricos," defende a pesquisadora.

Junção túnel ferroelétrica

Majumdar sabe do que está falando. Ela e sua equipe acabam de fabricar uma nova geração de "junções túnel ferroelétricas", isto, películas ferroelétricas com poucos nanômetros de espessura ensanduichadas entre dois eletrodos. Esses componentes têm capacidades além das tecnologias existentes e são uma boa aposta para a computação neuromórfica eficiente, em termos tanto de consumo de energia quanto de estabilidade.

As junções funcionam em baixas tensões - menos de cinco volts - e com uma variedade de materiais como eletrodos, incluindo o silício. Elas também podem reter seus dados por mais de 10 anos sem energia e serem fabricadas em condições ambiente.

Computação neuromórfica vai deixar computação quântica para trás?
Organismoides e redes neurais que adivinham palavras antes que você fale estão entre os feitos recentes viabilizados pelos memoristores. [Imagem: Fan Zuo et al. - 10.1038/s41467-017-00248-6]

Mais surpreendente ainda, esses componentes são feitos de materiais orgânicos.

E é bom salientar que já não estamos mais falando de transistores, os reis da onda tecnológica atual, mas de memoristores.

"Nossas junções são feitas de materiais hidrocarbonetos orgânicos, reduzindo a quantidade de resíduos tóxicos de metais pesados na eletrônica. Também podemos fabricar milhares de junções por dia a temperatura ambiente sem que eles sofram [danos] com a água ou o oxigênio do ar," explicou Majumdar.

Computadores neuromórficos

O que torna os componentes de película fina ferroelétricos ótimos para os computadores neuromórficos é a sua capacidade de alternar entre não apenas os estados binários - 0 e 1 -, mas também entre um grande número de estados intermediários. Isso permite que eles memorizem informações de forma não muito diferente do cérebro, armazenando-as por longo tempo com pequenas quantidades de energia e retendo as informações mesmo depois de serem desligadas e ligadas novamente.

"Agora estamos empenhados em integrar milhões dos nossos memoristores de junção túnel em rede em uma área de um centímetro quadrado. Esperamos acondicionar tantos em um espaço tão pequeno porque agora conseguimos uma diferença recorde na corrente entre os estados ligado e desligado nas junções, e isto proporciona estabilidade funcional. Os memoristores poderão então executar tarefas complexas, como reconhecimento de imagens e padrões, e tomar decisões de forma autônoma," disse Majumdar.

Bibliografia:

Electrode Dependence of Tunneling Electroresistance and Switching Stability in Organic Ferroelectric P(VDF-TrFE)-Based Tunnel Junctions
Sayani Majumdar, Binbin. Chen, Qi Hang Qin, Himadri. S. Majumdar, Sebastiaan van Dijken
Advanced Functional Materials
Vol.: 1703273
DOI: 10.1002/adfm.201703273




Outras notícias sobre:

    Mais Temas