Um passo mais perto do poder computacional incomparável: a tecnologia Spintrônica encontra a computação inspirada no cérebro

Pesquisadores da Universidade de Tohoku criaram um modelo teórico para computação em nanoescala com eficiência energética usando computação de reservatório de ondas de spin e tecnologia spintrônica. Esta inovação, detalhada na npj Spintronics, abre caminho para dispositivos neuromórficos avançados capazes de operações e aplicações de alta velocidade em áreas como previsão do tempo e reconhecimento de fala.

doi.org/10.1038/s44306-024-00008-5
Credibilidade: 989
#Computação 

Pesquisadores da Universidade de Tohoku criaram uma estrutura teórica para um sistema avançado de computação de reservatório de ondas de spin (RC) que aproveita a spintrônica. Esta inovação avança no campo rumo à realização de computação em nanoescala com eficiência energética e poder computacional incomparável.

Os detalhes de suas descobertas foram publicados na npj Spintronics em 1º de março de 2024.

A busca pela computação semelhante ao cérebro O cérebro é o computador definitivo e os cientistas estão constantemente se esforçando para criar dispositivos neuromórficos que imitem as capacidades de processamento do cérebro, o baixo consumo de energia e seu capacidade de adaptação a redes neurais.

O desenvolvimento da computação neuromórfica é revolucionário, permitindo aos cientistas explorar reinos em nanoescala, velocidade de GHz, com baixo consumo de energia.

Um computador de reservatório físico executa uma tarefa para transformar dados de entrada em dados de saída, como previsão de séries temporais. Filme fino magnético foi usado para a parte do reservatório. As informações de entrada são transportadas por ondas de spin e propagadas para o nó de saída (mostrado em cilindros azuis na figura inferior) correspondente aos nós do reservatório (mostrados em amarelo na figura superior). Crédito: Springer Nature Limited
Nos últimos anos, muitos avanços em modelos computacionais inspirados no cérebro foram feitos.

Essas redes neurais artificiais demonstraram desempenhos extraordinários em diversas tarefas.

Contudo, as tecnologias atuais são baseadas em software; sua velocidade computacional, tamanho e consumo de energia permanecem limitados pelas propriedades dos computadores elétricos convencionais.

A Mecânica da Computação de Reservatórios RC funciona por meio de uma rede fixa gerada aleatoriamente chamada de ‘reservatório’.

O reservatório permite a memorização de informações de entrada passadas e sua transformação não linear.

Esta característica única permite a integração de sistemas físicos, como dinâmica de magnetização, para realizar diversas tarefas para dados sequenciais, como previsão de séries temporais e reconhecimento de fala.

Alguns propuseram a spintrônica como um meio de realizar dispositivos de alto desempenho.

Mas os dispositivos produzidos até agora não corresponderam às expectativas.

Em particular, eles não conseguiram alcançar alto desempenho em nanoescalas com velocidade de GHz.

“Nosso estudo propôs um RC físico que aproveita a propagação de ondas de spin”, diz Natsuhiko Yoshinaga, coautor do artigo e professor associado do Instituto Avançado de Pesquisa de Materiais (WPI-AIMR).

“A estrutura teórica que desenvolvemos utilizou funções de resposta que vinculam sinais de entrada à propagação da dinâmica de spin.

Este modelo teórico elucidou o mecanismo por trás do alto desempenho da onda de spin RC, destacando a relação de escala entre a velocidade da onda e o tamanho do sistema para otimizar a eficácia dos nós virtuais.

? Crucialmente, Yoshinaga e seus colegas ajudaram a esclarecer o mecanismo para a computação de reservatórios de alto desempenho.

Ao fazer isso, eles aproveitaram vários subcampos, nomeadamente física da matéria condensada e modelagem matemática.

“Ao empregar as propriedades únicas da tecnologia spintrónica, abrimos potencialmente o caminho para uma nova era de computação inteligente, levando-nos mais perto de criar um dispositivo físico que possa ser utilizado em previsões meteorológicas e reconhecimento de voz”, acrescenta Yoshinaga.

Publicado em 30/03/2024 07h50

Artigo original:

Estudo original: