Os “Memristores” são a Chave para a IA Imitar o Cérebro Humano?

O cérebro humano é o computador mais complexo e capaz que o homem já conheceu. Essa maravilha da natureza pode processar simultaneamente milhões de pontos de dados e entradas sensoriais em tempo real. Embora os computadores agora sejam capazes de superar as capacidades do cérebro humano em termos de poder de computação, ainda há áreas em que eles ficam aquém. Um avanço recente em memristores pode conter a chave para desbloquear a computação de redes neurais, abrindo a porta para sistemas de inteligência artificial mais inteligentes e rápidos no futuro.

Design de Chip Atual

A arquitetura de computação von Neumann atual coloca o processamento e a memória em dois locais separados. Originalmente, esse layout fazia sentido, pois os computadores não exigiam a enorme quantidade de recuperação de dados encontrada hoje. No entanto, sistemas avançados de IA processam bilhões de bits de dados em tempo real. Assim, cada milissegundo conta, incluindo o tempo e a energia necessários para recuperar e processar a memória de dois locais distintos.

Problemas com o Design de Chip Atual

O design de chip atual é muito lento para acompanhar as crescentes demandas da comunidade de IA. Uma solução melhor para protocolos computacionais intensivos, como sistemas de IA, é colocar a memória e o processamento em um único chip. Para realizar essa tarefa, os engenheiros recorreram a uma tecnologia criada na década de 1970, os memristores.

Memristores

O conceito de memristores surgiu em 1971 após a publicação de um artigo por Leon Chua. Os memristores funcionam por meio do uso de correntes variáveis. Alterar a direção e a quantidade de corrente permite que esses dispositivos armazenem dados. Seu tamanho compacto e a capacidade de armazenar e processar dados lhes conferem desempenho ideal para os avançados sistemas de IA de hoje.

Problemas com a Tecnologia de Memristor Hoje

O principal problema da tecnologia de memristor atual usada em computadores é que ainda não consegue competir com outros sistemas. Esses designs experimentais de chip frequentemente oferecem menor poder computacional, confiabilidade questionável e falta de durabilidade em comparação com seus equivalentes de chip duplo. Felizmente, tudo isso está prestes a mudar.

Computação Neuromórfica

Os memristores são um componente crucial do movimento de computação neuromórfica. Essa classe de computadores busca imitar as redes neurais encontradas no cérebro. Esses sistemas podem computar, processar e armazenar dados em um único local. Eles também podem aprender, corrigir e se adaptar a novos cenários, assim como os cérebros humanos funcionam. Essa capacidade, combinada com o novo design de chip inclusivo, possibilita uma nova era no poder de processamento computacional.

Estudo de Chip de Memristor

O estudo “Processamento de vídeo auto-supervisionado com auto-calibração em uma plataforma de computação analógica baseada em uma matriz de memristor sem seletor“¹ foi publicado na revista científica Nature Electronics neste mês. O estudo detalha um processador semiconductorizado neuromórfico de próxima geração que imita a forma como o cérebro humano pensa, permitindo que ele aprenda e se adapte para melhorar o desempenho.

Novo Design de Chip

Os pesquisadores integraram uma matriz analógica de memristor sem seletor para criar uma unidade de armazenamento e processamento tudo-em-um. O dispositivo utiliza circuitos periféricos e um controlador digital para programar os memristores em tempo real. Especificamente, memristores de óxido de titânio do tipo interfacial foram escolhidos para conduzir os experimentos.

Fonte – KAIST

Imita o Cérebro Humano

Uma das partes mais impressionantes desta pesquisa é que os engenheiros conseguiram integrar um sistema avançado de IA diretamente no chip. Essa integração permite que o chip aprenda e corrija erros. O dispositivo fornece análise em tempo real e processamento local, tornando‑o a opção ideal para múltiplos cenários de uso, como edição de música, segurança e muito mais.

Descobrir Novos Cenários

Impressionantemente, o engenheiro optou por executar algoritmos de IA no domínio analógico. Consequentemente, o sistema foi configurado para utilizar auto‑calibração sem operações de compensação ou pré‑treinamento. Como uma pessoa, essa IA pode avaliar os dados em tempo real e cruzá‑los com seu histórico para determinar a próxima ação.

Melhorar seu Desempenho

Essa configuração permite que os engenheiros criem computadores e dispositivos que aprendem, corrigem erros e processam tarefas de IA localmente. Os dados são então armazenados e processados para observar sua relação com dados passados e outras características únicas. Sempre que o sistema determina que melhorias de desempenho são possíveis por meio do aprendizado, ele as integra automaticamente.

Teste de Chip de Memristor

Para que os engenheiros testassem o primeiro sistema integrado baseado em memristor do mundo que pode se adaptar a mudanças de dados em tempo real, eles configuraram uma tarefa de edição de vídeo. O sistema de IA recebeu vídeo contínuo em tempo real de uma pessoa em movimento. Sua tarefa era separar o primeiro plano e o plano de fundo do vídeo.

Resultados do Teste de Chip de Memristor

Os dados mostram alguns resultados promissores. Por um lado, a IA ficou mais rápida e eficiente a cada ciclo. No início, a IA levava mais tempo para determinar a situação, porém, nas execuções finais, a IA já estava acostumada ao processo e sabia como determinar o que é plano de fundo ou primeiro plano.

Impressionantemente, o teste de edição de vídeo do chip de IA mostrou uma relação sinal‑ruído de pico média de 30,49 dB, comparável a serviços dedicados. Além disso, a equipe registrou um índice de similaridade estrutural de 0,81.

Benefícios do Chip de Memristor

Existem várias razões pelas quais os chips de memristor são uma ideia inteligente. Primeiro, eles oferecem análise de dados em tempo real local. Isso significa que os dispositivos podem operar sem conexões à internet ou a necessidade de consultar outro dispositivo para fazer uma avaliação informada do seu ambiente.

Segurança

A segurança e a privacidade são aumentadas graças a esse layout. Como os dados não precisam ser enviados para fora, isso reduz drasticamente os riscos de ataques ou erros humanos.

Desempenho Melhorado

Outro benefício importante deste estudo é que ele demonstra como melhorar o desempenho dos PCs atuais. O sistema de IA alimentado por memristores oferece capacidades de computação paralela aos seus usuários, aprimorando funcionalidades e permitindo que os sistemas lidem com maior carga.

Tamanho

Os chips de memristor são muito menores que os layouts tradicionais. Como tal, são ideais para microeletrônica, dispositivos vestíveis, robótica e outros cenários onde o espaço é limitado ou o peso é uma preocupação importante, como drones ou outras tecnologias aeroespaciais.

Consumo de Energia Reduzido

Em termos de consumo de energia, os chips de memristor utilizam centenas de vezes menos energia que o design de chip tradicional. A energia usada para programar o chip é mínima. Esse baixo consumo de energia é ideal para a sustentabilidade e garante que a revolução da IA não cause um grande impacto ambiental como a revolução industrial continua a causar.

Aplicações dos Memristores

Existem muitas aplicações para memristores no mercado. Primeiro, eles são opções ideais para sistemas de computação de borda de inteligência artificial (IA) compactos e energeticamente eficientes. Essa tecnologia pode, um dia, tornar todos os seus dispositivos inteligentes muito mais inteligentes, leves e capazes. Aqui estão apenas algumas aplicações para o sistema de chip de memristor.

Processamento de Vídeo

O processamento de vídeo com IA é um dos setores que mais cresce no mercado. O chip do pesquisador é ideal para essa tarefa por várias razões. Primeiro, ele usa suas capacidades de autoaprendizado para reduzir sua carga de trabalho e melhorar sua saída. Você poderia ver esse tipo de chip sendo usado para alimentar sistemas avançados de edição de IA como o testado pela equipe.

Já, os sistemas de edição de IA estão tornando a visualização mais acessível. Três sistemas frequentemente podem criar quadros duplicados entre o quadro original, permitindo upgrades massivos de resolução. No futuro, um sistema como este poderia tornar simples a edição de vídeo de alta qualidade a partir do seu telefone.

Saúde

O uso de IA na saúde está em ascensão. Dispositivos inteligentes alimentados por memristores um dia fornecerão monitoramento aprofundado de pacientes, capacitando profissionais ao reduzir sua carga de trabalho e melhorar sua conscientização. A IA poderia até ser configurada para enviar os dados a outro sistema de IA projetado especificamente para a saúde.

Segurança

Usar um sistema de IA autoaprendente para programar câmeras de segurança faz sentido. Imagine sua câmera inteligente monitorando seu quintal. De repente, uma pessoa aparece e faz alguns movimentos antes de sair da tela. Se você não estava assistindo, perdeu o evento. Um sistema de segurança de IA alimentado por memristores poderia escanear a área em busca de comportamentos suspeitos e notificá‑lo em tempo real.

Veículos Autônomos

Veículos autônomos certamente integrarão essa tecnologia no futuro para assumir novas responsabilidades e um nível maior de confiabilidade. O sistema permitirá que os veículos analisem seu ambiente e façam suposições informadas sobre o melhor cenário. Cada vez, a decisão é avaliada e usada para medir a próxima opção, garantindo melhor desempenho ao longo do tempo.

Pesquisadores de Memristores

Este estudo foi liderado pelos engenheiros da KAIST, Professor Shinhyun Choi e a Equipe de Pesquisa Conjunta do Professor Young‑Gyu Yoon, da Escola de Engenharia Elétrica. Hakcheon Jeong e Seung Jae Han também contribuíram para coletar e processar os dados.

O estudo dos chips de memristor conta com apoio do Projeto de Desenvolvimento de Tecnologia de Semicondutores Inteligentes de Próxima Geração, do Projeto Excelente Novo Pesquisador e do Projeto de Desenvolvimento de Tecnologia Central de Semicondutores AI PIM da Fundação Nacional de Pesquisa da Coreia, além do Projeto de Apoio à Pesquisa e Desenvolvimento do Instituto de Pesquisa em Eletrônica e Telecomunicações.

Uma Empresa que Poderia se Beneficiar do Estudo de Memristor

Existem muitas indústrias que essa tecnologia poderia melhorar. O mundo atingiu seu limite em termos de miniaturização de resistores. Esse desenvolvimento mais recente introduz uma opção mais confiável e escalável no mercado. Aqui está uma empresa que está posicionada para aproveitar esses dados para o sucesso.

Micron Technologies Inc.

Micron Technologies Inc. (MU ) entrou no mercado em 1978. Foi fundada por Ward Parkinson, Joe Parkinson, Dennis Wilson e Doug Pitman como uma fábrica de semicondutores. A empresa rapidamente alcançou sucesso e, em 1980, abriu sua primeira fábrica de fabricação. (NRC )

Desde então, a Micron Technologies expandiu suas ofertas para outros setores relacionados à tecnologia. Impressionantemente, ela até garantiu um lugar na Fortune 500 em 1994. Hoje, é reconhecida como uma força pioneira após décadas de inovações em chips.

A Micron Technologies é uma pesquisadora e desenvolvedora líder de conjuntos de chips de memristor. A empresa busca integrar essa tecnologia para impulsionar seu modelo de negócios de data center em crescimento. Atualmente, a empresa emprega 43.000 pessoas. Consequentemente, a MU é vista como uma forte “compra” para traders que buscam exposição ao setor de IA.

Meristors impulsionarão a revolução da IA.

A equipe inovadora por trás do design de CPU de memristor entende a importância da memória e do processamento diretos no chip para alimentar sistemas de IA. Agora, os engenheiros avançarão sua pesquisa e testes para colocar chips alimentados por memristor em eletrônicos de consumo o mais rápido possível.

Saiba Mais Sobre Outras Inovações em Computação Avanços.

Referência do Estudo:

^{1. Duan, X., Cao, Z., Gao, K., Yan, W., Sun, S., Zhou, G., Wu, Z., Ren, F., & Sun, B. (2024). Chips neuromórficos baseados em memristores. Advanced Materials, 36(14), e2310704. https://doi.org/10.1002/adma.202310704}