Material inspirado no cérebro pode cortar o consumo
de energia da IA em 70%
Vista por muitos como a tecnologia definidora do século
21, a inteligência artificial (IA) enfrenta um obstáculo
crucial: o consumo explosivo de energia do hardware
que a sustenta. Custo ambiental que cresce cerca de
30% ao ano, esse dado ameaçador pressiona cientistas
e empresas a pesquisarem arquiteturas computacionais
mais eficientes.
Uma das principais apostas para reverter a trajetória de
consumo energético crescente da IA — a chamada
computação neuromórfica — projeta hardware inspirado
no cérebro humano. É que, em vez de separar
processamento e memória, o órgão processa e
armazena informações em um só lugar.
Em um estudo recente, publicado na revista Science
Adventures, pesquisadores da University of Cambridge,
no Reino Unido, apresentam uma nova arquitetura de
memristor — dispositivo investigado há cerca de 15 anos
como substituto das sinapses em chips de IA — com
desempenho energético sem precedentes na categoria.
A novidade está especificamente no material usado: um óxido semicondutor avançado que se auto-organiza
internamente para controlar a passagem de corrente.
Como resultado, o dispositivo opera com correntes
extremamente baixas, reduzindo drasticamente o
consumo e superando as limitações atuais.
A abordagem neuromórfica proposta no estudo elimina
um dos principais culpados pelo desperdício energético
— o chamado "gargalo de Von Neumann" — problema
de "engarrafamento" que ocorre em computadores
porque o processador (CPU) e a memória (RAM) são
componentes separados, trocando informações entre si
por meio de um único canal.
O componente central do memristor é um óxido de
háfnio, composto já presente nos chips modernos,
enriquecido com estrôncio e titânio. Depositado sobre
outra camada metálica em duas etapas — a primeira
sem oxigênio, a segunda com — esse filme forma
naturalmente uma fronteira elétrica entre duas regiões de
cargas opostas, que é o coração do dispositivo.
Em vez de criar e romper filamentos condutores — como
fazem os memristores convencionais, com desgaste e
variabilidade —, o novo material altera sua resistência de
forma suave e gradual, deslocando a altura de uma
barreira de energia na junção. O resultado é um controle
analógico muito mais preciso.
Isso é fundamental, pois, embora um transistor
convencional também consuma mais com correntes
maiores, ele não precisa "lembrar" estados anteriores. Já
o memristor precisa mudar de estado e manter esse
estado, e cada mudança tem um custo energético.
Em uma rede neural com milhões de operações por
segundo, esse custo se multiplica rapidamente. No caso
das arquiteturas propostas no estudo — que integram
processamento e memória no mesmo elemento — a
literatura científica aponta um potencial de redução
superior a 70% no consumo energético dos sistemas de
IA atuais.
Em testes de laboratório, o dispositivo mostrou que não
só consome pouca energia, como também aguenta ser
atualizado muitas vezes e consegue manter o que
aprendeu por tempo suficiente — duas condições
essenciais para funcionar como uma sinapse artificial.
Os memristores também foram capazes de imitar o modo
como o cérebro humano aprende. "São as propriedades
necessárias para um hardware capaz de aprender e se
adaptar, não apenas armazenar bits", afirma em um
comunicado o autor principal do estudo, Babak Bakhit.
A descoberta também chama atenção fora do
laboratório: o material é compatível com os processos de
fabricação CMOS já amplamente usados pela indústria
de semicondutores. Isso abre caminho para sua adoção
pela indústria sem a necessidade de mudanças
profundas nas linhas de produção.
Apesar do potencial, a tecnologia enfrenta um obstáculo
prático: o processo atual exige temperaturas em torno de
700 °C, acima das tolerâncias usuais dos processos
padrão da indústria de semicondutores. Segundo Bakhit,
a equipe já trabalha em estratégias para reduzir a temperatura "e colocar esses dispositivos em um chip".
O desenvolvimento do novo memristor representa um
avanço significativo em relação às tecnologias
anteriores, especialmente no que diz respeito à eficiência
energética e ao controle operacional. Considerando as
informações apresentadas, identifique o principal
diferencial do novo material utilizado nesse dispositivo.