Memoristor de grafeno é ideal para computação que imita cérebro

 

Memoristor de grafeno é ideal para computação que imita cérebro

Memoristor de grafeno

Uma sinapse artificial feita de grafeno pode existir em muitos estados diferentes, o que significa que ela pode funcionar como um componente analógico, assim como os neurônios do cérebro.

A sinapse artificial é o já bem conhecido memoristor, um resistor com memória, capaz de lembrar-se dos dados anteriores que foram guardados, o que torna este componente o principal elemento da computação neuromórfica, ou computação que imita o cérebro.

Em relação às memórias digitais atuais, o comportamento do memoristor pode ser comparado à diferença entre ligar ou desligar um interruptor de luz - como em um transístor - e girar um controle para obter diferentes níveis de iluminação.

Mas o funcionamento em diferentes estados é um adicional importante, lembrando mais a capacidade dos qubits de guardar múltiplos dados na computação quântica.

Múltiplos estados de memória

Usando simulações e experimentos, Thomas Schranghamer e colegas da Universidade do Estado da Pensilvânia demonstraram como um memoristor feito com grafeno pode ser usado para melhorar substancialmente o desempenho das redes neurais artificiais - sistemas que podem um dia rivalizar e até mesmo substituir os computadores convencionais.

Assim como as sinapses que conectam os neurônios do cérebro são reconfiguradas constantemente, as redes neurais artificiais que a equipe está construindo podem ser reconfiguradas pela aplicação de um breve campo elétrico a uma folha de grafeno.

Nos experimentos feitos agora, eles mostraram pelo menos 16 estados de memória possíveis, em oposição aos dois obtidos na maioria dos memoristores baseados em óxidos.

"O que mostramos é que podemos controlar um grande número de estados de memória com precisão usando simples transistores de efeito de campo de grafeno," disse o professor Das Saptarshi.

Redes neurais

Ao contrário dos estados fixos dos memoristores convencionais, os memoristores de grafeno podem ser programados para ter valores de condutância arbitrários, uma flexibilidade pode torná-los ainda mais valiosos para a criação de redes neurais artificiais.

Por exemplo, a equipe demonstrou uma técnica computacional para atribuir valores de peso sináptico de forma inteligente, atingindo os níveis de precisão exigidos por redes neurais complexas.

"Finalmente, demonstramos que os memoristores de grafeno permitem atribuição de peso com base no agrupamento de médias-k, que oferece maior precisão de computação quando comparada com a quantização de peso uniforme para multiplicação de matriz vetorial, um componente essencial para qualquer rede neural artificial," escreveu a equipe.

A equipe acredita que é possível escalonar a tecnologia para uso comercial, apesar de estar havendo uma migração rápida das pesquisas em direção a outros materiais bidimensionais, como a molibdenita, que tem-se mostrado mais fácil de lidar e com melhores resultados do que os componentes de grafeno.

Bibliografia:

Artigo: Graphene memristive synapses for high precision neuromorphic computing
Autores: Thomas F. Schranghamer, Aaryan Oberoi, Saptarshi Das
Revista: Nature Communications
Vol.: 11, Article number: 5474
DOI: 10.1038/s41467-020-19203-z