Informática

Processador neuromórfico faz inteligência artificial 200 vezes mais rápida

Processador inspirado no cérebro faz inteligência artificial 200 vezes mais rápido
As sinapses artificiais são feitas com memórias de mudança de fase, que guardam dados e computam ao mesmo tempo. [Imagem: Nature Nanotechnology/IBM Research]

Memória que computa

Engenheiros da IBM estão desenvolvendo uma nova arquitetura de computador, melhor equipada para lidar com a carga de dados exigida pelas aplicações de inteligência artificial.

O novo conceito, inspirado no cérebro humano, superou em larga margem os computadores convencionais nos primeiros testes comparativos.

Os computadores de hoje são construídos segundo a arquitetura von Neumann, desenvolvida na década de 1940. Os sistemas de computação von Neumann têm um processador central (CPU) que executa a lógica, uma unidade de memória, sistema de armazenamento permanente e dispositivos de entrada e saída. Os computadores inspirados no cérebro, por sua vez, contam com unidades coexistentes de processamento e memória - cálculo e memória são funções do mesmo componente.

"No cérebro, as sinapses tanto computam quanto armazenam informações. Nesta nova arquitetura, que vai além da von Neumann, a memória tem que desempenhar um papel mais ativo na computação," disse Abu Sebastian, coordenador deste trabalho.

Arquitetura neuromórfica

A arquitetura neuromórfica se baseia em três diferentes níveis de inspiração no cérebro.

O primeiro nível explora o estado dinâmico do dispositivo de memória para executar cálculos computacionais na própria memória, similar ao modo como a memória e o processamento do cérebro são colocalizados. O segundo nível baseia-se nas estruturas de rede sináptica do cérebro, usadas como inspiração para a construção de matrizes de pentes de memória de mudança de fase (PCM) para acelerar o treinamento das redes neurais profundas. Por fim, a natureza dinâmica e estocástica dos neurônios e sinapses inspirou a equipe a criar um substrato computacional para a criação de redes neurais de impulsos (spiking neural networks).

A memória de mudança de fase é um componente de memória em nanoescala construído a partir de compostos de germânio (Ge), telúrio (Te) e antimônio (Sb) ensanduichados entre eletrodos. Estes compostos apresentam diferentes propriedades elétricas dependendo do seu arranjo atômico. Por exemplo, em uma fase desordenada, esses materiais exibem alta resistividade elétrica, enquanto em uma fase cristalina eles exibem baixa resistividade.

Processador inspirado no cérebro faz inteligência artificial 200 vezes mais rápido
Outra abordagem ainda mais radical baseia-se em um neuroprocessador fotônico, no qual as sinapses artificiais são feitas com luz. [Imagem: Zengguang Cheng et al. - 10.1126/sciadv.1700160]

Aplicando pulsos elétricos, os pesquisadores modularam a proporção de material nas fases cristalina e amorfa, de modo que a memória de mudança de fase suporta um continuum de condutância ou resistência elétricas. Esse armazenamento imita as memórias biológicas, tipicamente não-binárias, permitindo que mais informações sejam armazenadas em um único componente em nanoescala.

Estas memórias já haviam sido utilizadas em uma demonstração realizada pela mesma equipe no ano passado, uma das primeiras a fazer inteligência artificial sem um processador típico.

200 vezes mais rápido

Os novos testes foram ainda mais entusiasmantes do que os do ano passado.

"Sempre esperamos que esses sistemas fossem muito melhores do que os sistemas de computação convencionais em algumas tarefas, mas ficamos surpresos em quão mais eficientes são algumas dessas abordagens.

"Alcançamos um desempenho 200 vezes mais rápido nos sistemas de computação de memória de mudança de fase em comparação com os sistemas de computação convencionais. Sempre soubemos que eles seriam eficientes, mas não esperávamos que eles superassem tanto [os computadores atuais]," disse Sebastian.

A equipe afirma que continuará a construir novos protótipos de chips e sistemas baseados em conceitos inspirados no cérebro com vistas a levar essa plataforma para as aplicações comerciais.

Bibliografia:

Tutorial: Brain-inspired computing using phase-change memory devices
Abu Sebastian, Manuel Le Gallo, Geoffrey W. Burr, Sangbum Kim, Matthew BrightSky, Evangelos Eleftheriou
Journal of Applied Physics
DOI: 10.1063/1.5036538




Outras notícias sobre:

    Mais Temas