doi.org/10.1038/s41586-025-08742-4
Credibilidade: 999
#Inteligência Artificial
Pesquisadores da Universidade Nacional de Singapura (NUS) descobriram que um único transistor de silício, peça essencial em computadores, smartphones e quase todos os dispositivos eletrônicos modernos, pode imitar o comportamento de um neurônio e de uma sinapse do cérebro humano quando usado de uma forma diferente
Esse avanço é um grande passo para criar computadores que funcionem de maneira mais parecida com o cérebro, sendo mais eficientes no uso de energia.
O estudo, liderado pelo professor Mario Lanza, do Departamento de Ciência e Engenharia de Materiais da NUS, foi publicado na revista Nature em 26 de março de 2025. A descoberta pode levar a hardwares mais simples e econômicos para redes neurais artificiais (RNAs), que são sistemas inspirados no cérebro usados em inteligência artificial (IA).
O cérebro como inspiração
O cérebro humano é incrivelmente eficiente, muito mais do que os computadores mais avançados. Ele tem cerca de 90 bilhões de neurônios que formam 100 trilhões de conexões, chamadas sinapses. Essas sinapses ajustam sua força ao longo do tempo, um processo chamado plasticidade sináptica, que é a base do aprendizado e da memória.
Por décadas, cientistas tentam imitar essa eficiência com redes neurais artificiais (RNAs), que são usadas em tecnologias de IA, como o ChatGPT. No entanto, essas RNAs consomem muita energia e recursos computacionais, o que as torna pouco práticas para algumas aplicações. A computação neuromórfica, campo que busca copiar a eficiência do cérebro, exige não só uma nova forma de organizar os sistemas, combinando memória e processamento no mesmo lugar (computação em memória), mas também dispositivos eletrônicos que imitem fielmente o funcionamento de neurônios e sinapses.
Até agora, os sistemas neuromórficos enfrentavam problemas, como a necessidade de circuitos complexos com muitos transistores ou materiais novos que ainda não são viáveis para produção em larga escala. “Para criar uma computação neuromórfica de verdade, onde os microchips se comportem como neurônios e sinapses, precisamos de hardware que seja escalável e economize energia”, disse o professor Lanza.
Uma descoberta com tecnologia comum
A equipe da NUS mostrou que um único transistor de silício, quando configurado e operado de uma maneira especial, pode imitar tanto o disparo de um neurônio (como ele “ativa” para enviar sinais) quanto as mudanças de peso das sinapses (que controlam a força das conexões). Isso foi possível ajustando a resistência de uma parte do transistor, chamada terminal de massa, para controlar dois fenômenos físicos: ionização por impacto e captura de carga.
Além disso, os pesquisadores criaram uma célula com dois transistores, chamada “Memória de Acesso Aleatório Neuro-Sináptica” (NS-RAM, na sigla em inglês), que pode funcionar como neurônio ou sinapse. “Outras abordagens precisam de muitos transistores ou materiais novos com fabricação incerta, mas nosso método usa a tecnologia CMOS, que já está em processadores e memórias de computadores modernos”, explicou Lanza. “Isso significa que é confiável, escalável e compatível com os processos de fabricação de semicondutores atuais.”
Nos testes, a célula NS-RAM mostrou baixo consumo de energia, funcionamento estável por muitos ciclos e comportamento previsível em diferentes dispositivos – características essenciais para criar hardwares de redes neurais artificiais confiáveis para o mundo real.
Por que isso importa
Essa descoberta é um marco para desenvolver processadores de IA mais compactos e econômicos, que podem tornar a computação mais rápida e responsiva. Com essa tecnologia, podemos estar mais perto de criar dispositivos que imitam a eficiência do cérebro humano, usando peças que já estão disponíveis na indústria. É um passo importante para o futuro da inteligência artificial e da computação neuromórfica.
Publicado em 18/04/2025 15h27
Texto adaptado por IA (Grok) do original em inglês. Imagens de bibliotecas públicas de imagens ou créditos na legenda. Informações sobre DOI, autor e instituição encontram-se no corpo do artigo.
Estudo original:
| Geoprocessamento Sistemas para drones HPC |
| Sistemas ERP e CRM Sistemas mobile IA |