.
Os computadores chegaram tão longe em termos de poder e potencial, rivalizando e até eclipsando os cérebros humanos na sua capacidade de armazenar e processar dados, fazer previsões e comunicar. Mas há um domínio onde o cérebro humano continua a dominar: a eficiência energética.
“Os computadores mais eficientes ainda têm aproximadamente quatro ordens de magnitude – ou seja, 10.000 vezes – maiores requisitos de energia em comparação com o cérebro humano para tarefas específicas, como processamento e reconhecimento de imagens, embora superem o cérebro em tarefas como cálculos matemáticos”. disse o professor de engenharia elétrica e de computação da UC Santa Bárbara, Kaustav Banerjee, especialista mundial no domínio da nanoeletrônica. “Tornar os computadores mais eficientes em termos energéticos é crucial porque o consumo mundial de energia por eletrônicos on-chip está em 4º lugar no ranking global de consumo de energia a nível nacional, e está aumentando exponencialmente a cada ano, alimentado por aplicações como a inteligência artificial.” Além disso, disse ele, o problema da computação ineficiente em termos energéticos é particularmente premente no contexto do aquecimento global, “destacando a necessidade urgente de desenvolver tecnologias de computação mais eficientes em termos energéticos”.
A computação neuromórfica (NM) surgiu como uma forma promissora de preencher a lacuna de eficiência energética. Ao imitar a estrutura e as operações do cérebro humano, onde o processamento ocorre em paralelo através de uma série de neurônios de baixo consumo de energia, pode ser possível aproximar-se da eficiência energética semelhante à do cérebro. Em artigo publicado na revista Comunicações da Natureza, Banerjee e colegas de trabalho Arnab Pal, Zichun Chai, Junkai Jiang e Wei Cao, em colaboração com os pesquisadores Vivek De e Mike Davies do Intel Labs, propõem uma plataforma ultraeficiente em termos de energia, usando túnel 2D baseado em dichalcogeneto de metal de transição (TMD). -transistores de efeito de campo (TFETs). Sua plataforma, dizem os pesquisadores, pode elevar as necessidades de energia a duas ordens de grandeza (cerca de 100 vezes) em relação ao cérebro humano.
Correntes de fuga e oscilação subliminar
O conceito de computação neuromórfica existe há décadas, embora a pesquisa em torno dela tenha se intensificado apenas recentemente. Avanços em circuitos que permitem matrizes menores e mais densas de transistores e, portanto, mais processamento e funcionalidade para menos consumo de energia estão apenas arranhando a superfície do que pode ser feito para permitir a computação inspirada no cérebro. Adicione a isso um apetite gerado por suas muitas aplicações potenciais, como IA e a Internet das Coisas, e fica claro que a expansão das opções para uma plataforma de hardware para computação neuromórfica deve ser abordada para seguir em frente.
Entre nos transistores de túnel 2D da equipe. Emergindo dos esforços de pesquisa de longa data de Banerjee para desenvolver transistores de alto desempenho e baixo consumo de energia para atender à crescente necessidade de processamento sem um aumento correspondente na necessidade de energia, esses transistores atomicamente finos e em nanoescala respondem em baixas tensões e, como base do plataforma NM dos pesquisadores, pode imitar as operações altamente eficientes em termos energéticos do cérebro humano. Além de correntes de estado desligado mais baixas, os TFETs 2D também têm uma baixa oscilação subliminar (SS), um parâmetro que descreve a eficácia com que um transistor pode alternar de desligado para ligado. De acordo com Banerjee, um SS mais baixo significa uma tensão operacional mais baixa e uma comutação mais rápida e eficiente.
“As arquiteturas de computação neuromórficas são projetadas para operar com circuitos de disparo muito esparsos”, disse o autor principal, Arnab Pal, “o que significa que elas imitam como os neurônios no cérebro disparam apenas quando necessário”. Em contraste com a arquitetura von Neumann mais convencional dos computadores atuais, na qual os dados são processados sequencialmente, a memória e os componentes de processamento são separados e que consomem energia continuamente durante toda a operação, um sistema orientado a eventos, como um computador NM, é acionado apenas quando há entrada para o processo e a memória e o processamento são distribuídos por uma série de transistores. Empresas como a Intel e a IBM desenvolveram plataformas inspiradas no cérebro, implantando milhares de milhões de transístores interligados e gerando poupanças de energia significativas.
No entanto, ainda há espaço para melhorias na eficiência energética, segundo os pesquisadores.
“Nesses sistemas, a maior parte da energia é perdida através de correntes de fuga quando os transistores estão desligados, e não durante seu estado ativo”, explicou Banerjee. Um fenômeno onipresente no mundo da eletrônica, as correntes de fuga são pequenas quantidades de eletricidade que fluem através de um circuito mesmo quando ele está desligado (mas ainda conectado à energia). De acordo com o artigo, os chips NM atuais usam transistores de efeito de campo semicondutores de óxido metálico tradicionais (MOSFETs), que têm uma alta corrente no estado ligado, mas também alto vazamento no estado desligado. “Como a eficiência energética desses chips é limitada pelo vazamento no estado desligado, nossa abordagem – usando transistores de tunelamento com corrente fora do estado muito menor – pode melhorar muito a eficiência energética”, disse Banerjee.
Quando integrados em um circuito neuromórfico, que emula o disparo e a reinicialização de neurônios, os TFETs provaram ser mais eficientes em termos energéticos do que os MOSFETs de última geração, particularmente os FinFETs (um projeto MOSFET que incorpora “aletas” verticais como forma de fornecer melhor controle de comutação e vazamento). Os TFETs ainda estão em fase experimental, no entanto, o desempenho e a eficiência energética dos circuitos neuromórficos baseados neles os tornam candidatos promissores para a próxima geração de computação inspirada no cérebro.
De acordo com os co-autores Vivek De (Intel Fellow) e Mike Davies (Diretor do Laboratório de Computação Neuromórfica da Intel), “Uma vez implementada, esta plataforma pode trazer o consumo de energia em chips para duas ordens de grandeza em relação ao cérebro humano – sem levar em conta os circuitos de interface e os elementos de armazenamento de memória, isso representa uma melhoria significativa em relação ao que é possível hoje.”
Eventualmente, será possível realizar versões tridimensionais desses circuitos neuromórficos baseados em 2D-TFET para fornecer uma emulação ainda mais próxima do cérebro humano, acrescentou Banerjee, amplamente reconhecido como um dos principais visionários por trás dos circuitos integrados 3D que agora estão testemunhando a proliferação comercial em larga escala. .
.
