.
Um novo método para conectar neurônios em wetware neuromórfico foi desenvolvido por pesquisadores da Universidade de Osaka e da Universidade de Hokkaido. O wetware compreende fios de polímeros condutores crescidos em uma configuração tridimensional, feito pela aplicação de voltagem de onda quadrada a eletrodos submersos em uma solução precursora. A tensão pode modificar a condutância do fio, permitindo que a rede seja treinada. Essa rede fabricada é capaz de realizar aprendizado Hebbiano não supervisionado e aprendizado baseado em picos.
O desenvolvimento de redes neurais para criar inteligência artificial em computadores foi originalmente inspirado em como os sistemas biológicos funcionam. Essas redes ‘neuromórficas’, no entanto, rodam em hardware que não se parece em nada com um cérebro biológico, o que limita o desempenho. Agora, pesquisadores da Universidade de Osaka e da Universidade de Hokkaido planejam mudar isso criando um ‘wetware’ neuromórfico.
Embora os modelos de rede neural tenham alcançado um sucesso notável em aplicações como geração de imagens e diagnóstico de câncer, eles ainda estão muito atrás das habilidades gerais de processamento do cérebro humano. Em parte, isso ocorre porque eles são implementados em software usando hardware de computador tradicional que não é otimizado para os milhões de parâmetros e conexões que esses modelos normalmente exigem.
O wetware neuromórfico, baseado em dispositivos memristivos, poderia resolver esse problema. Um dispositivo memristivo é um dispositivo cuja resistência é definida por seu histórico de tensão e corrente aplicadas. Nesta abordagem, a eletropolimerização é usada para ligar eletrodos imersos em uma solução precursora usando fios feitos de polímero condutor. A resistência de cada fio é então sintonizada usando pequenos pulsos de tensão, resultando em um dispositivo memristivo.
“O potencial para criar redes rápidas e energeticamente eficientes foi demonstrado usando estruturas 1D ou 2D”, diz a autora sênior Megumi Akai-Kasaya. “Nosso objetivo era estender essa abordagem para a construção de uma rede 3D.”
Os pesquisadores conseguiram cultivar fios de polímero a partir de uma mistura de polímero comum chamada ‘PEDOT: PSS’, que é altamente condutora, transparente, flexível e estável. Uma estrutura 3D de eletrodos superior e inferior foi primeiro imersa em uma solução precursora. Os fios PEDOT:PSS foram então cultivados entre os eletrodos selecionados, aplicando uma voltagem de onda quadrada nesses eletrodos, imitando a formação de conexões sinápticas por meio da orientação do axônio em um cérebro imaturo.
Uma vez que o fio foi formado, as características do fio, especialmente a condutância, foram controladas por meio de pequenos pulsos de tensão aplicados a um eletrodo, o que altera as propriedades elétricas do filme que envolve os fios.
“O processo é contínuo e reversível”, explica o principal autor Naruki Hagiwara, “e essa característica é o que permite que a rede seja treinada, assim como as redes neurais baseadas em software”.
A rede fabricada foi usada para demonstrar o aprendizado Hebbiano não supervisionado (ou seja, quando as sinapses que muitas vezes disparam juntas fortalecem sua conexão compartilhada ao longo do tempo). Além disso, os pesquisadores conseguiram controlar com precisão os valores de condutância dos fios para que a rede pudesse concluir suas tarefas. O aprendizado baseado em picos, outra abordagem para redes neurais que imita mais de perto os processos de redes neurais biológicas, também foi demonstrado pelo controle do diâmetro e da condutividade dos fios.
Em seguida, fabricando um chip com maior número de eletrodos e usando canais microfluídicos para fornecer a solução precursora para cada eletrodo, os pesquisadores esperam construir uma rede maior e mais poderosa. No geral, a abordagem determinada neste estudo é um grande passo em direção à realização do wetware neuromórfico e fechando a lacuna entre as habilidades cognitivas de humanos e computadores.
.
