Logotipo do Site Inovação Tecnológica





Robótica

Matéria sólida inorgânica mostra capacidade de aprendizagem

Redação do Site Inovação Tecnológica - 23/09/2021

Matéria sólida inorgânica apresenta aprendizado típico dos seres vivos
O material responde a estímulos de modo semelhante às lesmas-do-mar (Aplysia).
[Imagem: Zhen Zhang et al. - 10.1073/pnas.2017239118]

Aprendizado em matéria não-viva

Pesquisadores detectaram na matéria sólida comum dois aspectos do aprendizado, uma característica básica dos seres vivos e crucial para a inteligência.

Até agora, a inteligência artificial embutida em hardware, assim como a computação neuromórfica, que imita o funcionamento do cérebro, têm-se baseado fundamentalmente em componentes eletrônicos ou iônicos que apresentam efeitos que lembram a memória. É o caso dos memoristores e de algumas sinapses artificiais mais avançadas.

Mas Zhen Zhang e seus colegas da Universidade Rutgers, nos EUA, detectaram na matéria dois outros elementos característicos do aprendizado, a habituação e a sensibilização, que permitem que os animais, e os humanos em particular, aprendam e se adaptem a modificações no ambiente.

Segundo eles, esta demonstração pode servir como inspiração para uma nova família de algoritmos para a inteligência artificial.

Enquanto todo o progresso da inteligência artificial é baseado em um treinamento a partir de dados de eventos passados, a incorporação desses dois mecanismos pode dar aos programas uma flexibilidade que os torne capazes de lidar com incertezas, contradições e outros aspectos da realidade.

Matéria que aprende

A computação neuromórfica imita a estrutura neural e a operação do cérebro usando componentes especiais para construir sistemas nervosos artificiais, capazes de transferir sinais elétricos que imitam as sinapses cerebrais.

O que a equipe descobriu agora é que um material não condutor comum, o óxido de níquel (NiO), reage de forma diferente quando é exposto a diferentes elementos químicos ao longo do tempo.

"O objetivo era encontrar um material cuja condutividade elétrica pudesse ser ajustada modulando a concentração de defeitos atômicos com estímulos externos, como oxigênio, ozônio e luz," explicou o pesquisador Subhasish Mandal. "Estudamos como esse material se comporta quando dopamos o sistema com oxigênio ou hidrogênio e, o mais importante, como a estimulação externa altera as propriedades eletrônicas do material."

O que aconteceu foi que, quando o estímulo mudava rapidamente, o material não conseguia responder por completo, permanecendo em um estado instável em qualquer ambiente, e com uma resposta decrescente. Quando os pesquisadores introduziram um estímulo agressivo, como o ozônio, o material começou a responder com mais intensidade, mas depois começou a diminuir novamente a resposta.

Matéria sólida inorgânica apresenta aprendizado típico dos seres vivos
A resposta da matéria sólida deve-se à reorganização interna dos cristais de óxido de níquel.
[Imagem: Zhen Zhang et al. - 10.1073/pnas.2017239118]

Aprendizado não-associativo

Variando intensidade e duração do estímulo, temperatura e iluminação, a equipe constatou que o material apresenta uma espécie de aprendizado, uma "plasticidade dependente do tempo baseando-se tanto na força como no intervalo de tempo entre os estímulos".

Eles chamam isso de "aprendizado não-associativo", envolvendo uma sensibilidade a diferentes compostos e, conforme esses estímulos são apresentados, uma habituação com o estímulo, permitindo que o material otimize sua resposta.

A equipe compara essa resposta do NiO ao comportamento das lesmas-do-mar (Aplysia), sendo que o "comportamento" desse material inorgânico resulta da modulação dinâmica dos defeitos internos e da estrutura eletrônica do óxido.

"A parte mais interessante dos nossos resultados é que eles demonstram características universais de aprendizagem, como habituação e sensibilização, que geralmente encontramos em espécies vivas," disse Mandal. "Essas características materiais, por sua vez, podem inspirar novos algoritmos para inteligência artificial. Assim como o movimento coletivo de pássaros ou peixes tem inspirado a IA, acreditamos que o comportamento coletivo de elétrons em um sólido quântico pode fazer o mesmo no futuro."

Bibliografia:

Artigo: Neuromorphic learning with Mott insulator NiO
Autores: Zhen Zhang, Sandip Mondal, Subhasish Mandal, Jason M. Allred, Neda Alsadat Aghamiri, Alireza Fali, Zhan Zhang, Hua Zhou, Hui Cao, Fanny Rodolakis, Jessica L. McChesney, Qi Wang, Yifei Sun, Yohannes Abate, Kaushik Roy, Karin M. Rabe, Shriram Ramanathan
Revista: Proceedings of the National Academy of Sciences
Vol.: 118 (39) e2017239118
DOI: 10.1073/pnas.2017239118
Seguir Site Inovação Tecnológica no Google Notícias





Outras notícias sobre:
  • Inteligência Artificial
  • Robôs
  • Metais e Ligas
  • Sensores

Mais tópicos