Rede artificial de nanofios age como cérebro quando estimulada eletricamente 

Cientistas da Universidade de Sydney e do Instituto Nacional de Ciência de Materiais do Japão (NIMS) descobriram como fazer uma rede artificial de nanofios agir de maneira semelhante ao cérebro quando estimulada eletricamente. 

O estudo foi publicado no Natureza das Comunicações. 

A equipa internacional foi liderada por Joel Hochstetter, a quem se juntaram os professores Zdenka Kuncic e Tomonobu Nakayama. 

A equipe descobriu que pode manter uma rede de nanofios em um estado semelhante ao do cérebro “à beira do caos” para realizar tarefas em um nível ideal. 

Segundo os pesquisadores, isso sugere que a natureza subjacente da inteligência neural é física e pode levar a novos desenvolvimentos na inteligência artificial. 

Joel Hochstetter é candidato a doutorado no Nano Institute and School of Physics da Universidade de Sydney e principal autor do artigo.

“Usamos fios de 10 micrômetros de comprimento e não mais espessos que 500 nanômetros dispostos aleatoriamente em um plano bidimensional”, disse Hochstetter.

“Onde os fios se sobrepõem, eles formam uma junção eletroquímica, como as sinapses entre os neurônios”, disse ele. “Descobrimos que os sinais elétricos enviados por essa rede encontram automaticamente a melhor rota para transmitir informações. E essa arquitetura permite que a rede 'lembre' os caminhos anteriores através do sistema.”

Testando a rede de nanofios

A equipe de pesquisa usou simulações para testar a rede aleatória de nanofios, a fim de aprender como ela poderia desempenhar melhor e resolver tarefas simples. 

Sempre que o sinal que estimulava a rede era muito baixo, o caminho não produzia saídas suficientemente complexas porque eram muito previsíveis. Por outro lado, se a rede fosse sobrecarregada pelo sinal, a saída seria muito caótica.

Isso significava que o sinal ideal estava no limite desse estado caótico, de acordo com a equipe.

O professor Kuncic é da Universidade de Sydney. 

“Algumas teorias da neurociência sugerem que a mente humana poderia operar neste limite do caos, ou o que é chamado de estado crítico”, disse o professor Kuncic. “Alguns neurocientistas acham que é nesse estado que atingimos o desempenho cerebral máximo.”

“O que é tão empolgante sobre esse resultado é que ele sugere que esses tipos de redes de nanofios podem ser sintonizados em regimes com diversas dinâmicas coletivas semelhantes ao cérebro, que podem ser aproveitadas para otimizar o processamento de informações”, continuou ela. 

A rede de nanofios é capaz de incorporar memória e operações em um único sistema devido às junções entre os fios. Isso é diferente dos computadores padrão, que dependem de memória e operações separadas. 

“Essas junções agem como transistores de computador, mas com a propriedade adicional de lembrar que os sinais já percorreram esse caminho antes. Como tal, eles são chamados de 'memristores'”, disse Hochstetter.

A memória está na forma física com as junções nos pontos de cruzamento entre os nanofios agindo como interruptores. Seu comportamento depende da resposta histórica aos sinais elétricos e, quando os sinais são aplicados nas junções, eles são ativados à medida que a corrente flui através deles.

“Isso cria uma rede de memória dentro do sistema aleatório de nanofios”, disse ele.

A equipe desenvolveu uma simulação da rede física para demonstrar sua capacidade de resolver tarefas muito simples. 

“Para este estudo, treinamos a rede para transformar uma forma de onda simples em formas de onda mais complexas”, disse Hochstetter.

A equipe ajustou a amplitude e a frequência do sinal elétrico para ver onde ocorria o melhor desempenho.

“Descobrimos que, se você enviar o sinal muito lentamente, a rede fará a mesma coisa repetidamente sem aprender e se desenvolver. Se forçarmos muito e rápido, a rede se torna errática e imprevisível”, disse ele.

Vantagens do mundo real

Segundo o professor Kuncic, unir memória e operações traz grandes benefícios para a inteligência artificial. 

“Algoritmos necessários para treinar a rede para saber qual junção deve receber a 'carga' apropriada ou o peso da informação consomem muita energia”, disse ela.

“Os sistemas que estamos desenvolvendo dispensam esses algoritmos. Apenas permitimos que a rede desenvolva sua própria ponderação, o que significa que só precisamos nos preocupar com o sinal de entrada e saída de sinal, uma estrutura conhecida como 'computação de reservatório'. Os pesos da rede são autoadaptativos, potencialmente liberando grandes quantidades de energia.”

Kuncic diz que isso significa que os futuros sistemas de IA que dependem dessas redes teriam pegadas de energia muito menores.