{"id":26197,"date":"2025-11-05T07:57:13","date_gmt":"2025-11-05T07:57:13","guid":{"rendered":"https:\/\/terrarara.com.br\/?page_id=26197"},"modified":"2025-11-05T07:57:13","modified_gmt":"2025-11-05T07:57:13","slug":"novos-neuronios-artificiais-conseguem-reproduzir-fisicamente-o-cerebro-humano","status":"publish","type":"page","link":"https:\/\/terrarara.com.br\/?page_id=26197","title":{"rendered":"Novos neur\u00f4nios artificiais conseguem reproduzir fisicamente o c\u00e9rebro humano"},"content":{"rendered":"
\"\"
Um neur\u00f4nio artificial integrado com capacidade de gerar potenciais de a\u00e7\u00e3o, com ampla funcionalidade neuronal, dimens\u00f5es reduzidas a um \u00fanico transistor e baixo consumo de energia para sistemas de computa\u00e7\u00e3o neurom\u00f3rfica, pode ser criado empilhando um memristor difusivo e um resistor sobre um transistor. A fotografia na capa mostra o chip de uma matriz desses neur\u00f4nios integrados, fabricados na sala limpa da universidade e com uma regi\u00e3o ativa de aproximadamente 4 “m\u00b2 para cada neur\u00f4nio. Cr\u00e9dito: Laborat\u00f3rio Yang da USC.<\/figcaption><\/figure><\/div>
<\/p>

\r\n\tdoi.org\/10.1038\/s41928-025-01488-x<\/a>
Credibilidade<\/a>: 9<\/font>9<\/font>9<\/font>
#neur\u00f4nios artificiais<\/a>\u00a0<\/p>

<\/p>

\r\n\tUm avan\u00e7o importante na computa\u00e7\u00e3o neurom\u00f3rfica pode reduzir drasticamente o consumo de energia dos chips e acelerar o caminho em dire\u00e7\u00e3o \u00e0 intelig\u00eancia artificial geral (AGI) – sistemas capazes de pensar e aprender de forma semelhante \u00e0 humana<\/strong><\/p>

Pesquisadores da Escola de Engenharia Viterbi e da Escola de Computa\u00e7\u00e3o Avan\u00e7ada da Universidade do Sul da Calif\u00f3rnia (USC) desenvolveram neur\u00f4nios artificiais que imitam de maneira muito pr\u00f3xima o comportamento eletroqu\u00edmico das c\u00e9lulas cerebrais reais. O estudo, publicado na revista *Nature Electronics*, representa um grande passo para a cria\u00e7\u00e3o de chips inspirados no funcionamento do c\u00e9rebro. Essa nova abordagem promete tornar os circuitos muito menores, reduzir o gasto de energia em v\u00e1rias ordens de magnitude e aproximar a ci\u00eancia da cria\u00e7\u00e3o de uma intelig\u00eancia artificial realmente geral.\r\n<\/p>

\r\nDiferente dos processadores digitais tradicionais ou dos chips neurom\u00f3rficos de sil\u00edcio que apenas simulam o funcionamento dos neur\u00f4nios, esses novos neur\u00f4nios artificiais reproduzem fisicamente os processos biol\u00f3gicos de forma anal\u00f3gica. Assim como os neurotransmissores ativam a atividade cerebral, certos compostos qu\u00edmicos podem agora ser usados para iniciar c\u00e1lculos em hardwares inspirados no c\u00e9rebro. Isso torna o novo sistema fundamentalmente distinto de modelos anteriores, que dependiam apenas de representa\u00e7\u00f5es matem\u00e1ticas do comportamento neural.\r\n<\/p>

\r\nO projeto foi liderado pelo professor Joshua Yang, do Departamento de Engenharia El\u00e9trica e de Computa\u00e7\u00e3o da USC, pioneiro na cria\u00e7\u00e3o de sinapses artificiais. Sua equipe desenvolveu um tipo in\u00e9dito de neur\u00f4nio artificial baseado em um “memristor difusivo? – um dispositivo capaz de processar informa\u00e7\u00f5es de maneira parecida com a de um neur\u00f4nio biol\u00f3gico. Enquanto os chips convencionais usam o fluxo de el\u00e9trons para realizar c\u00e1lculos, o dispositivo criado por Yang trabalha com o movimento de \u00e1tomos, o que permite imitar com muito mais precis\u00e3o os processos cerebrais, oferecendo alta efici\u00eancia energ\u00e9tica e um caminho promissor para o avan\u00e7o da AGI.\r\n<\/p>

\r\nComo funciona<\/b>\r\n<\/p>

\r\nNo c\u00e9rebro humano, as informa\u00e7\u00f5es s\u00e3o transmitidas tanto por sinais el\u00e9tricos quanto qu\u00edmicos. Quando um neur\u00f4nio \u00e9 ativado, ele gera um impulso el\u00e9trico que, ao chegar \u00e0 sinapse (a pequena lacuna entre dois neur\u00f4nios), \u00e9 convertido em sinais qu\u00edmicos. Esses sinais atravessam o espa\u00e7o entre as c\u00e9lulas e voltam sendo el\u00e9tricos no neur\u00f4nio seguinte, dando continuidade \u00e0 transmiss\u00e3o da informa\u00e7\u00e3o.\r\n<\/p>

\r\nYang e seus colegas conseguiram reproduzir esse processo f\u00edsico com grande precis\u00e3o. O grande diferencial \u00e9 que o neur\u00f4nio artificial deles ocupa o mesmo espa\u00e7o que um \u00fanico transistor – em vez das dezenas ou centenas necess\u00e1rias nas arquiteturas convencionais.\r\n<\/p>

\r\nNos neur\u00f4nios biol\u00f3gicos, \u00edons – part\u00edculas eletricamente carregadas – s\u00e3o os respons\u00e1veis por gerar os impulsos el\u00e9tricos. No c\u00e9rebro humano, esse papel \u00e9 desempenhado por elementos como pot\u00e1ssio, s\u00f3dio e c\u00e1lcio. No experimento da USC, os pesquisadores usaram \u00edons de prata em \u00f3xido para criar pulsos el\u00e9tricos que imitam esse comportamento e realizam c\u00e1lculos associados a processos como aprendizado, movimento e planejamento.\r\n<\/p>

\r\n“Mesmo que n\u00e3o sejam exatamente os mesmos \u00edons usados pelo c\u00e9rebro, a f\u00edsica por tr\u00e1s do movimento e da din\u00e2mica i\u00f4nica \u00e9 muito semelhante”, explica Yang. Segundo ele, a prata se difunde facilmente e oferece a din\u00e2mica necess\u00e1ria para reproduzir os processos biol\u00f3gicos com uma estrutura simples. Por isso, o dispositivo recebeu o nome de *memristor difusivo*, em refer\u00eancia \u00e0 movimenta\u00e7\u00e3o e difus\u00e3o dos \u00edons de prata.\r\n<\/p>

\r\nYang destaca que a equipe escolheu trabalhar com a din\u00e2mica dos \u00edons justamente porque esse \u00e9 o mecanismo utilizado pelo c\u00e9rebro – o sistema mais eficiente j\u00e1 produzido pela evolu\u00e7\u00e3o. “N\u00e3o \u00e9 que nossos chips atuais n\u00e3o sejam poderosos o suficiente. O problema \u00e9 que eles n\u00e3o s\u00e3o eficientes. Consomem energia demais”, afirma. Isso \u00e9 particularmente relevante diante do enorme gasto energ\u00e9tico dos modelos de intelig\u00eancia artificial baseados em machine learning, que processam quantidades gigantescas de dados.\r\n<\/p>

\r\nSegundo o pesquisador, nossos computadores nunca foram projetados para aprender sozinhos a partir de poucos exemplos – algo que o c\u00e9rebro faz com naturalidade. Para melhorar tanto a efici\u00eancia energ\u00e9tica quanto a capacidade de aprendizado das m\u00e1quinas, \u00e9 preciso construir sistemas artificiais que sigam os mesmos princ\u00edpios do c\u00e9rebro.\r\n<\/p>

\r\nEle explica que, embora os el\u00e9trons permitam opera\u00e7\u00f5es r\u00e1pidas, os \u00edons s\u00e3o um meio mais adequado para imitar o c\u00e9rebro. Computadores baseados em el\u00e9trons dependem de aprendizado via software, enquanto o c\u00e9rebro aprende diretamente em seu pr\u00f3prio “hardware biol\u00f3gico? – ou, como Yang diz, em um tipo de *wetware* (sistema “molhado”).\r\n<\/p>

\r\nUm exemplo simples: uma crian\u00e7a consegue aprender a reconhecer n\u00fameros escritos \u00e0 m\u00e3o depois de ver apenas alguns exemplos, enquanto um computador precisa de milhares. Ainda assim, o c\u00e9rebro humano realiza esse aprendizado consumindo apenas cerca de 20 watts de energia – o equivalente a uma l\u00e2mpada dom\u00e9stica “, enquanto supercomputadores modernos gastam megawatts para fazer o mesmo tipo de tarefa.\r\n<\/p>

<\/p>

\r\nUm futuro mais eficiente e inteligente<\/b>\r\n<\/p>

\r\nO novo m\u00e9todo representa um passo importante rumo \u00e0 cria\u00e7\u00e3o de sistemas que imitam a intelig\u00eancia natural. Yang observa que, embora a prata usada no experimento n\u00e3o seja compat\u00edvel com os processos tradicionais de fabrica\u00e7\u00e3o de semicondutores, outros tipos de \u00edons podem ser estudados para alcan\u00e7ar resultados semelhantes.\r\n<\/p>

\r\nA efici\u00eancia dos *memristores difusivos* se manifesta tanto em energia quanto em tamanho. Um smartphone comum cont\u00e9m cerca de dez chips e bilh\u00f5es de transistores que alternam entre os estados 0 e 1 para realizar c\u00e1lculos. J\u00e1 a tecnologia proposta por Yang pode usar o espa\u00e7o de apenas um transistor para cada neur\u00f4nio, o que permitiria reduzir o tamanho dos chips e o consumo energ\u00e9tico em v\u00e1rias ordens de magnitude, tornando a intelig\u00eancia artificial mais sustent\u00e1vel e pr\u00f3xima da efici\u00eancia do c\u00e9rebro humano.\r\n<\/p>

\r\nAgora que os pesquisadores demonstraram neur\u00f4nios e sinapses artificiais compactos e funcionais, o pr\u00f3ximo passo ser\u00e1 integrar grandes quantidades deles para testar at\u00e9 que ponto \u00e9 poss\u00edvel replicar a efici\u00eancia e as capacidades do c\u00e9rebro. “O mais empolgante”, conclui Yang, “\u00e9 que sistemas t\u00e3o fi\u00e9is ao c\u00e9rebro podem n\u00e3o apenas nos aproximar da verdadeira intelig\u00eancia artificial, mas tamb\u00e9m nos ajudar a entender melhor como o pr\u00f3prio c\u00e9rebro funciona.”\r\n<\/p>

<\/p>

\r\n

\r\n\r\n

Publicado em 05\/11\/2025 07h57<\/em><\/p>\r\n

\r\n

English version<\/a><\/em><\/p>\r\n

\r\n\r\n\t\t\t
\r\n\t\r\n\t\t\t\r\n\r\n

Estudo original: <\/p>\r\n\r\n\r\n\r\n