Inteligência artificial
Como os Memristores Estão Tornando a IA Mais Semelhante ao Humano
Adicione Securities.io às suas fontes preferidas no Google
A Ascensão do Hardware de IA Neuromórfico, Semelhante ao Cérebro
As IA se torna o centro da indústria de tecnologia, um problema crescente surgiu: a enorme demanda de computação e energia da IA quando executada usando CPUs e GPUs.
Como resultado, os pesquisadores estão se dedicando intensamente às Unidades de Processamento Neural (NPUs), também chamadas de chips neuromórficos, um tipo de hardware de IA que imita os neurônios do cérebro.
“Não é que nossos chips ou computadores não sejam poderosos o suficiente para o que estão fazendo. É que eles não são eficientes o suficiente. Eles consomem muita energia.”
A mudança para hardware inspirado no cérebro pode remodelar a forma como abordamos a inteligência artificial. Os designs neuromórficos oferecem três grandes vantagens em relação aos chips convencionais:
- Arquitetura adaptativa: circuitos que podem se reconfigurar com base nos dados de treinamento.
- Eficiência energética radical: em alguns casos, usando apenas 1/100th da energia de uma GPU.
- Menor geração de calor: reduzindo os caros requisitos de refrigeração que afligem os data centers de IA atuais.
(Você pode ler mais sobre hardware especializado em IA, incluindo NPUs, em nosso relatório dedicado sobre o tema.)
“Ser capaz de desenvolver microchips que imitam a atividade neural real significa que você não precisa de muita energia em modo de espera ou quando a máquina não está sendo usada.
Isso pode ser uma enorme vantagem computacional e econômica potencial.
John LaRocco – research scientist in psychiatry at Ohio State’s College of Medicine.
Os pesquisadores estão testando vários métodos promissores para criar chips neuromórficos. Uma abordagem envolve aproveitar a ferroelectricidade incipiente — um fenômeno ainda pouco compreendido que poderia permitir que materiais mudassem espontaneamente sua polarização elétrica sob as condições corretas. Outra foca em substratos ativos feitos de vanádio ou titânio, materiais que podem mudar dinamicamente suas propriedades elétricas para imitar a sinalização semelhante ao cérebro.
Talvez o caminho mais amplamente discutido seja o uso de memristores — uma classe revolucionária de componentes eletrônicos capazes de armazenar informações por meio de mudanças de resistência. Esses dispositivos podem executar tarefas de IA com apenas 1/800th do consumo de energia normal, tornando-os uma das soluções mais eficientes em termos de energia em desenvolvimento.
Como os Memristores Imitam as Sinapses
Deslize para rolar →
| Recurso | CPU | GPU | NPU / Chip de Memristor |
|---|---|---|---|
| Arquitetura | Sequencial, uso geral | Paralelo, focado em matrizes | Inspirado no cérebro, adaptativo |
| Uso de Energia | Alto | Moderado a alto | Extremamente baixo (1/100–1/800 da energia) |
| Eficiência de Aprendizado | Lento, memória externa | Treinamento rápido, memória externa | Na memória, auto‑adaptativo |
| Melhor Caso de Uso | Computação geral | Treinamento de modelos de IA | IA de borda, robótica, IA de baixo consumo |
Memristores são componentes eletrônicos que imitam sinapses que conectam neurônios ao lembrar qual estado elétrico foram alternados após a energia ser desligada.
Isso pode reduzir drasticamente a energia e o tempo perdidos ao transferir dados de ida e volta entre processadores e memória.
Uma das principais forças dos memristores é sua capacidade de aprendizado in situ eficiente e auto‑adaptativo, que é crítico para aplicações em robótica e veículos autônomos.
Além disso, o baixo consumo de energia dos memristores é particularmente benéfico em robótica e veículos autônomos, onde a eficiência energética é fundamental.
Vários caminhos estão sendo explorados para criar os melhores memristores, desde memristores de óxido de titânio relativamente convencionais até o uso de neurônios humanos reais (orgânulos) ou até mesmo cogumelos.
A ideia de usar material orgânico, incluindo neurônios reais, para imitar a atividade dos neurônios faz sentido em nível teórico. No entanto, na prática, interligar tal “computador” aos sistemas de TI tradicionais pode ser desafiador.
“Nossos sistemas de computação existentes nunca foram projetados para processar enormes quantidades de dados ou para aprender a partir de apenas alguns exemplos por conta própria.
Uma maneira de impulsionar tanto a eficiência energética quanto a de aprendizado é construir sistemas artificiais que operem de acordo com os princípios observados no cérebro.
Essa falta de eficiência é impressionante quando comparada ao cérebro humano. Uma criança pequena pode aprender a reconhecer dígitos manuscritos após ver apenas alguns exemplos de cada, enquanto um computador normalmente precisa de milhares para alcançar a mesma tarefa.
E o cérebro humano realiza essa façanha consumindo cerca de 20W de energia, enquanto os data centers de IA mais recentes operam em escala de GW, ou quase cem milhões de vezes mais energia.
Uma nova opção intermediária poderia ser criar chips artificiais que funcionem como neurônios em seu princípio básico. Esse é o caminho seguido por pesquisadores da University of Southern California, University of California, University of Massachusetts, Syracuse University, Air Force Research Laboratory e NASA Ames Research Center.
Eles publicaram seus resultados na Nature Electronics1, sob o título “Um neurônio artificial pulsante baseado em um memristor difusivo, um transistor e um resistor”.
Replicando Como os Neurônios Disparam Usando Memristores Difusivos
Como os Neurônios Funcionam?
A forma como os neurônios interagem entre si e, finalmente, processam informações, é usando sinais elétricos e químicos.
Se um sinal for suficientemente forte, ele gera um impulso elétrico chamado potencial de ação ao permitir que íons de sódio carregados positivamente inundem a célula.
Fonte: Nature Electronics
Quando esse sinal elétrico é recebido, ele provoca a liberação de neurotransmissores.
Até agora, memristores eletrônicos e circuitos de semicondutores complementares de óxido metálico (CMOS) usaram sinais elétricos para simular virtualmente esse funcionamento, exigindo centenas de transistores para simular um neurônio.
Em vez disso, os pesquisadores desenvolveram um dispositivo chamado “memristor difusivo”, que também usa interações químicas reais para iniciar processos computacionais.
O que São Memristores Difusivos e Como Eles Funcionam?
Enquanto os sistemas de silício tradicionais dependem de elétrons para realizar cálculos, os memristores difusivos utilizam o movimento de átomos. Eles usam íons de prata incorporados em materiais de óxido para gerar pulsos elétricos que imitam as funções naturais do cérebro.
Fonte: Nature Electronics
Claro, isso não replica exatamente como um neurônio funciona, mas o princípio é muito semelhante.
“Embora não sejam exatamente os mesmos íons em nossas sinapses e neurônios artificiais, a física que governa o movimento dos íons e a dinâmica são muito semelhantes.”
Em parte, essa semelhança vem do fato de que íons de prata são fáceis de difundir neste sistema de memristor, semelhante a como íons de sódio podem se mover em células orgânicas.
Além da prata, o memristor também usa paládio, silício, titânio e háfnio. A pesquisa pôde visualizar em tempo real a difusão da prata em resposta a um estímulo elétrico.
Deslize para rolar →
| Camada / Material | Papel no Dispositivo | Por Que É Importante |
|---|---|---|
| Íons de prata (Ag) | Espécie móvel para disparos | Difunde facilmente, permitindo pulsos impulsionados por íons semelhantes ao disparo neural |
| Matriz de óxido (ex.: HfO2) | Hospedeiro de íons / meio de comutação | Controla o movimento dos íons e a formação de filamentos para estados memristivos |
| Paládio (Pd) | Eletrodo / interface catalítica | Contato estável e química de interface favorável |
| Titânio (Ti) | Camada de aderência/barreira | Melhora a estabilidade do eletrodo e a integridade da pilha |
| Silício (Si) | Substrato / integração CMOS | Permite integração vertical dentro da pegada de um transistor |
O Futuro: Chips Neuromórficos e IA de Baixa Energia
Uma vantagem chave deste novo tipo de memristor é que ele cabe dentro da pegada de um único transistor, enquanto designs mais antigos exigiam dezenas ou até centenas.
O teste inicial usou apenas um punhado desses memristores difusivos, demonstrando que eles podem ser usados para construir a típica rede neural de múltiplos níveis usada por quase todos os sistemas de IA hoje.
Fonte: Nature Electronics
O próximo passo será montar muito mais desses sistemas para testar quão eficientes eles podem ser ao realmente executar tarefas de IA.
“Estamos projetando os blocos de construção que eventualmente nos levaram a reduzir o tamanho do chip em ordens de magnitude, e reduzir o consumo de energia em ordens de magnitude.
Assim, pode ser sustentável executar IA no futuro, com um nível semelhante de inteligência sem queimar energia que não podemos sustentar.
Descobrir se outros íons podem ser usados também pode ser útil, já que íons de prata não são comumente usados na fabricação de semicondutores, o que poderia limitar a velocidade de adoção desse design pela indústria.
Outro efeito dos memristores difusivos é que eles podem ajudar a entender melhor como os cérebros biológicos funcionam.
A longo prazo, eles provavelmente serão especialmente úteis para o chamado “computação de borda”, onde o cálculo é feito diretamente no local, como, por exemplo, um robô ou carro autônomo que precisa tomar uma decisão sem conexão a um data center de IA.
Investindo em Fabricantes de Chips Neuromórficos
Intel
Intel (INTC ) é um gigante no setor de semicondutores e evoluiu ao longo dos anos de um fundador da indústria para um líder científico e de inovação, perdendo a posição de liderança em volume de fabricação para empresas como a TSMC de Taiwan.
Intel é líder em computação neuromórfica, inclusive através de seu chip Loihi 2.
Também criou a Intel Neuromorphic Research Community, que inclui a Pennsylvania State University, envolvida em pesquisas de dióxido de vanádio, bem como muitos outros designs neuromórficos potenciais, e mais de 75 outros grupos de pesquisa.
INTC Gráfico de preços
Intel também está muito ativa em imitar sentidos biológicos ao replicar a forma como nosso cérebro funciona (uma ramificação da computação neuromórfica), algo que discutimos mais detalhadamente em nosso artigo “Chips Olfativos Biomiméticos: São Inteligência Artificial e Narizes Eletrônicos o Próximo Canário em uma Mina de Carvão?”.
No geral, a pesquisa do Intel Lab está na vanguarda da inovação em semicondutores, incluindo IA, computação quântica, computação neuromórfica, etc. (Discutimos os avanços da Intel em computação quântica em nosso artigo “O Estado Atual da Computação Quântica”).
Você também pode ler mais sobre os negócios atuais da Intel e os programas de P&D em nosso relatório de investimento dedicado.
Últimas Notícias e Desenvolvimentos das Ações da Intel (INTC)
Estudo Referenciado
1. Zhao, R., Wang, T., Moon, T. et al. Um neurônio artificial pulsante baseado em um memristor difusivo, um transistor, e um resistor. Nature Electronics (2025). https://doi.org/10.1038/s41928-025-01488-x
