Rede neural em hardware atinge nível ótimo no limite do caos

Redação do Site Inovação Tecnológica - 21/07/2021

A rede neural é formada por um emaranhado aleatório de nanofios, cujas interconexões funcionam como memoristores.
[Imagem: Joel Hochstetter et al. - 10.1038/s41467-021-24260-z]

À beira do caos

Os esforços da computação neuromórfica para criar processadores que imitam o cérebro humano têm-se baseado sobretudo nos memoristores, componentes que imitam os neurônios, sendo por isso conhecidos como neurônios artificiais.

Mas também existem abordagens mais exóticas, como uma rede de nanofios onde emergem funções similares às neurais, criada no ano passado por pesquisadores da Austrália e do Japão.

Agora aquela equipe descobriu que, em vez de tentar organizar ou dar uma estrutura ao seu emaranhado de nanofios, é possível obter resultados muitos melhores se a rede neuromórfica totalmente sintética e metálica for posta para funcionar no que os pesquisadores chamam de "à beira do caos".

Curiosamente, algumas teorias da neurociência defendem que o cérebro humano funciona em um nível de equilíbrio tão delicado que ele parece estar sempre no limite do caos - os neurocientistas chamam esse limiar de estado crítico.

Rede neural artificial

A rede é construída amontoando nanofios de prata (Ag) revestidos com uma camada isolante de polímero (PVP). Quando sinais elétricos são aplicados nos nanofios mais externos, pequenos filamentos de prata crescem nos cruzamentos, ativando as junções, permitindo que a corrente flua através delas.

O detalhe é que, em vez de um interruptor comum, que apenas ligaria e desligaria a passagem de corrente, as junções apresentam um comportamento que depende da resposta anterior aos sinais elétricos, ou seja, cada cruzamento funciona como um memoristor, transformando o emaranhado de nanofios em uma autêntica rede neural artificial implementada em hardware - só que sem a necessidade do "capricho" para construir componentes individuais e montá-los em estruturas precisas.

"Usamos fios de 10 micrômetros de comprimento, e não mais grossos que 500 nanômetros, dispostos aleatoriamente em um plano bidimensional. Onde os fios se sobrepõem, eles formam uma junção eletroquímica, como as sinapses entre os neurônios. Descobrimos que os sinais elétricos transmitidos por essa rede encontram automaticamente a melhor rota para transmitir informações. E essa arquitetura permite que a rede 'lembre' de caminhos anteriores através do sistema," contou o professor Joel Hochstetter, da Universidade de Sydney.

O nível ótimo de operação da rede ocorre em um limiar muito preciso de intensidade dos sinais elétricos de entrada.
[Imagem: Joel Hochstetter et al. - 10.1038/s41467-021-24260-z]

Limite do caos

O avanço veio quando a equipe tentou usou sua rede para resolver problemas computacionais.

Quando o sinal que estimula a rede era muito baixo, os caminhos se tornavam muito previsíveis e ordenados, não produzindo saídas complexas o suficiente para serem úteis. Por outro lado, quando o sinal elétrico era forte a ponto de sobrecarregar a rede, a saída era completamente caótica e igualmente inútil.

E o sinal ideal para produzir uma saída útil, que resolve os problemas propostos, está justamente no limite desse estado caótico - "à beira do caos", como diz a equipe.

"O que é muito empolgante sobre esse resultado é que ele sugere que esses tipos de redes de nanofios podem ser ajustadas em regimes com diversas dinâmicas coletivas semelhantes ao cérebro, que podem ser aproveitadas para otimizar o processamento de informações," disse a professora Zdenka Kuncic.

Computação de reservatório

Uma diferença fundamental entre um processador neuromórfico e um processador eletrônico tradicional é que as junções entre os fios permitem que o sistema incorpore memória e operação de cálculo em um único sistema, enquanto os computadores comuns têm memória (RAM) e as operações (CPUs) em lugares separados.

A professora Kuncic destaca que juntar memória e cálculos nos mesmos componentes tem enormes vantagens práticas para o futuro desenvolvimento da inteligência artificial.

"Os algoritmos necessários para treinar a rede para saber qual junção deve receber a carga apropriada ou o peso das informações consomem muita energia [nos processadores eletrônicos]. Os sistemas que estamos desenvolvendo dispensam a necessidade desses algoritmos.

"Apenas permitimos que a rede desenvolva sua própria ponderação, o que significa que só precisamos nos preocupar com a entrada e a saída do sinal, uma estrutura conhecida como 'computação de reservatório'. Os pesos da rede são auto-adaptáveis, potencialmente economizando grandes quantidades de energia," disse ela.

• Transístor sináptico processa, memoriza e aprende

Mais tópicos