O novo chip de IA do MIT é 1 milhão de vezes mais rápido que as sinapses no cérebro humano

Uma equipe de pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) tem trabalhado para aumentar os limites de velocidade de um tipo de sinapse analógica feita pelo homem desenvolvida anteriormente, que é mais barata de construir e é mais eficiente em termos energéticos, e promete computação mais rápida.

A equipe multidisciplinar usou resistores programáveis, que são os blocos de construção centrais no aprendizado profundo analógico, assim como os transistores são os elementos centrais para a construção de processadores digitais para produzir “aprendizado profundo analógico”.

Os resistores são construídos em matrizes repetidas para criar uma rede complexa e em camadas de “neurônios” e “sinapses” artificiais que executam cálculos como uma rede neural digital. Essa rede pode ser treinada para realizar tarefas complexas de IA, como reconhecimento de imagem e processamento de linguagem natural.

Os pesquisadores usaram um material inorgânico prático no processo de fabricação que permite que seus dispositivos funcionem 1 milhão de vezes mais rápido que as versões anteriores. O estudo afirmou que é cerca de 1 milhão de vezes mais rápido do que as sinapses no cérebro humano.

Além disso, este material orgânico também torna o resistor extremamente eficiente em termos energéticos. Ao contrário dos materiais usados ​​na versão anterior do dispositivo, o material recém-desenvolvido é compatível com as técnicas de fabricação de silício e pode abrir caminho para a integração em hardware de computação comercial para aplicativos de aprendizado profundo.

“Com esse insight importante e as técnicas de nanofabricação muito poderosas que temos no MIT.nano, conseguimos juntar essas peças e demonstrar que esses dispositivos são intrinsecamente muito rápidos e operam com tensões razoáveis. Este trabalho realmente colocou esses dispositivos em um ponto em que eles agora parecem realmente promissores para aplicações futuras”, disse o autor sênior Jesús A. del Alamo, professor Donner no Departamento de Engenharia Elétrica e Ciência da Computação (EECS) do MIT.

“O mecanismo de funcionamento do dispositivo é a inserção eletroquímica do menor íon, o próton, em um óxido isolante para modular sua condutividade eletrônica. Como estamos trabalhando com dispositivos muito finos, podemos acelerar o movimento desse íon usando um campo elétrico forte e empurrar esses dispositivos iônicos para o regime de operação de nanossegundos”, explicou o autor sênior Bilge Yildiz, professor da Breene M. Kerr no departamentos de Ciência e Engenharia Nuclear e Ciência e Engenharia de Materiais.

“O potencial de ação nas células biológicas aumenta e diminui com uma escala de tempo de milissegundos, uma vez que a diferença de voltagem de cerca de 0,1 volt é limitada pela estabilidade da água”, disse o autor sênior Ju Li, professor de ciência e engenharia nuclear da Battelle Energy Alliance e professor. de ciência e engenharia de materiais. “Aqui aplicamos até 10 volts em um filme de vidro sólido especial de espessura em nanoescala que conduz prótons, sem danificá-lo permanentemente. E quanto mais forte o campo, mais rápidos os dispositivos iônicos”, acrescentou.

Os referidos resistores programáveis ​​aumentam significativamente a velocidade com que uma rede neural é treinada, reduzindo consideravelmente o custo e a energia para realizar o treinamento.

O desenvolvimento mais recente pode ajudar os cientistas a desenvolver modelos de aprendizado profundo muito mais rapidamente, que podem ser aplicados em usos como carros autônomos, detecção de fraudes e análise de imagens médicas.

“Depois de ter um processador analógico, você não estará mais treinando redes nas quais todos os outros estão trabalhando. Você estará treinando redes com complexidades sem precedentes que ninguém mais pode pagar e, portanto, superam amplamente todas elas. Em outras palavras, este não é um carro mais rápido, é uma espaçonave”, acrescenta o autor principal e pós-doutorando do MIT Murat Onen.

Os resultados da pesquisa foram publicados na revista ‘Science’.