Os pesquisadores desenvolveram um dispositivo de computação semelhante ao cérebro que é capaz de aprender por associação.
Semelhante a como o famoso fisiologista Ivan Pavlov condicionou os cães a associarem um sino com comida, pesquisadores da Northwestern University e da University of Hong Kong condicionaram com sucesso seu circuito para associar luz com pressão.
A pesquisa será publicada em 30 de abril na revista Nature Communications.
O segredo do dispositivo está em seus novos “transistores sinápticos” eletroquímicos orgânicos, que simultaneamente processam e armazenam informações como o cérebro humano. Os pesquisadores demonstraram que o transistor pode imitar a plasticidade de curto e longo prazo das sinapses no cérebro humano, construindo memórias para aprender ao longo do tempo.
Com sua habilidade semelhante à do cérebro, o novo transistor e circuito podem superar as limitações da computação tradicional, incluindo seu hardware que consome energia e capacidade limitada de executar várias tarefas ao mesmo tempo. O dispositivo semelhante ao cérebro também tem maior tolerância a falhas, continuando a operar sem problemas mesmo quando alguns componentes falham.
“Embora o computador moderno seja excelente, o cérebro humano pode facilmente superá-lo em algumas tarefas complexas e não estruturadas, como reconhecimento de padrões, controle motor e integração multissensorial”, disse Jonathan Rivnay da Northwestern, autor sênior do estudo. “Isso se deve à plasticidade da sinapse, que é o bloco de construção básico do poder computacional do cérebro. Essas sinapses permitem que o cérebro trabalhe de maneira altamente paralela, tolerante a falhas e com eficiência energética. Em nosso trabalho, demonstramos uma transistor de plástico orgânico que imita funções-chave de uma sinapse biológica. ”
Rivnay é professor assistente de engenharia biomédica na McCormick School of Engineering da Northwestern. Ele co-liderou o estudo com Paddy Chan, professor associado de engenharia mecânica da Universidade de Hong Kong. Xudong Ji, pesquisador de pós-doutorado no grupo de Rivnay, é o primeiro autor do artigo.
Problemas com computação convencional
Os sistemas convencionais de computação digital têm unidades de processamento e armazenamento separadas, fazendo com que tarefas com muitos dados consumam grandes quantidades de energia. Inspirados pelo processo combinado de computação e armazenamento no cérebro humano, os pesquisadores, nos últimos anos, têm procurado desenvolver computadores que funcionem mais como o cérebro humano, com matrizes de dispositivos que funcionam como uma rede de neurônios.
“A forma como nossos sistemas de computador atuais funcionam é que a memória e a lógica são fisicamente separadas”, disse Ji. “Você realiza cálculos e envia essas informações para uma unidade de memória. Então, toda vez que quiser recuperar essas informações, você deve recuperá-las. Se pudermos juntar essas duas funções separadas, podemos economizar espaço e custos de energia.”
Atualmente, o resistor de memória, ou “memristor”, é a tecnologia mais bem desenvolvida que pode executar funções combinadas de processamento e memória, mas os memristores sofrem com a troca de energia dispendiosa e menos biocompatibilidade. Essas desvantagens levaram os pesquisadores ao transistor sináptico – especialmente o transistor sináptico eletroquímico orgânico, que opera com tensões baixas, memória continuamente ajustável e alta compatibilidade para aplicações biológicas. Ainda assim, existem desafios.
“Mesmo transistores sinápticos eletroquímicos orgânicos de alto desempenho exigem que a operação de gravação seja desacoplada da operação de leitura”, disse Rivnay. “Portanto, se você deseja reter memória, deve desconectá-la do processo de gravação, o que pode complicar ainda mais a integração em circuitos ou sistemas.”
Como funciona o transistor sináptico
Para superar esses desafios, a equipe da Northwestern e da Universidade de Hong Kong otimizou um material plástico condutivo dentro do transistor eletroquímico orgânico que pode capturar íons. No cérebro, uma sinapse é uma estrutura por meio da qual um neurônio pode transmitir sinais a outro neurônio, usando pequenas moléculas chamadas neurotransmissores. No transistor sináptico, os íons se comportam de forma semelhante aos neurotransmissores, enviando sinais entre os terminais para formar uma sinapse artificial. Ao reter dados armazenados de íons aprisionados, o transistor se lembra das atividades anteriores, desenvolvendo plasticidade de longo prazo.
Os pesquisadores demonstraram o comportamento sináptico de seu dispositivo conectando transistores sinápticos únicos em um circuito neuromórfico para simular o aprendizado associativo. Eles integraram sensores de pressão e luz no circuito e treinaram o circuito para associar as duas entradas físicas não relacionadas (pressão e luz) uma com a outra.
Talvez o exemplo mais famoso de aprendizagem associativa seja o cachorro de Pavlov, que babava naturalmente ao encontrar comida. Depois de condicionar o cão a associar o toque de um sino à comida, ele também começou a babar ao ouvir o som de um sino. Para o circuito neuromórfico, os pesquisadores ativaram uma voltagem aplicando pressão com o dedo. Para condicionar o circuito a associar luz com pressão, os pesquisadores primeiro aplicaram luz pulsada de uma lâmpada LED e, em seguida, aplicaram pressão imediatamente. Nesse cenário, a pressão é a comida e a luz é o sino. Os sensores correspondentes do dispositivo detectaram ambas as entradas.
Após um ciclo de treinamento, o circuito fez uma conexão inicial entre luz e pressão. Após cinco ciclos de treinamento, o circuito associou significativamente a luz à pressão. A luz, sozinha, foi capaz de disparar um sinal, ou “resposta não condicionada”.
Aplicações futuras
Como o circuito sináptico é feito de polímeros macios, como um plástico, ele pode ser facilmente fabricado em folhas flexíveis e facilmente integrado a componentes eletrônicos macios e vestíveis, robótica inteligente e dispositivos implantáveis que fazem interface direta com tecidos vivos e até mesmo com o cérebro.
“Embora nossa aplicação seja uma prova de conceito, nosso circuito proposto pode ser estendido para incluir mais entradas sensoriais e integrado com outros eletrônicos para permitir computação de baixa potência no local”, disse Rivnay. “Por ser compatível com ambientes biológicos, o dispositivo pode interagir diretamente com o tecido vivo, o que é crítico para a bioeletrônica de próxima geração.”
Publicado em 01/05/2021 16h50
Artigo original:
Estudo original: