A IBM apresentou a mais recente versão do seu chip neuromórfico, um processador que faz cálculos imitando o funcionamento das redes neurais cerebrais.
A grande diferença é que o processador é analógico, e não digital, e reúne no mesmo chip as operações de armazenamento (memória) e computação (cálculos).
Tem havido um grande esforço - e vários progressos - no desenvolvimento de hardwares específicos para a inteligência artificial, mas algumas dessas arquiteturas ainda dividem fisicamente as unidades de memória e processamento, como nos computadores atuais. Isso retarda o processamento e gasta muita energia, porque os dados precisam ficar constantemente trafegando entre a memória e o processador.
O chip da IBM, por sua vez, pertence a uma classe conhecida como computação analógica na memória, ou simplesmente IA analógica, que imita o modo como as redes neurais funcionam nos cérebros biológicos.
 |
| Estrutura da memória de mudança de fase (PCM). [Imagem: Manuel Le Gallo et al. - 10.1038/s41928-023-01010-1] |
Memória de mudança de fase
Embora a maioria das arquiteturas de computação na memória use memoristores, o novo chip se baseia nas memórias de mudança de fase, ou PCM (Phase-Change Memory), uma tecnologia na qual a empresa vem trabalhando há vários anos - assim como a Intel e outras fabricantes de semicondutores.
Quando um pulso elétrico é aplicado a esse material, sua condutância se altera porque a eletricidade faz o material alternar entre as fases amorfa e cristalina: Um pulso elétrico mais fraco tornará a célula de memória mais cristalina, fornecendo menos resistência, e um pulso elétrico mais forte tornará a célula de memória mais amorfa, resultando em mais resistência. Com isto, em vez de registrar os 0s ou 1s típicos dos sistemas digitais, um componente PCM registra seu estado como um contínuo de valores entre os estados amorfo e cristalino.
Esse valor de resistência é chamado de peso sináptico, que pode ser armazenado na configuração atômica física de cada PCM. A memória é do tipo não-volátil, então os pesos são retidos mesmo quando a fonte de alimentação é desligada. Em nossos cérebros, a força das sinapses (que são os "pesos" neste caso) determinam a comunicação entre os neurônios. Para sistemas analógicos de IA, os pesos guardados nos valores de condutância das células de memória são usados para realizar operações de acumulação múltipla, a operação de computação dominante nas redes neurais profundas (DNN: Deep Neural Network), explorando leis de circuito e descartando a necessidade de enviar dados constantemente entre a memória e o processador.
 |
| Núcleos do chip de IA analógica. [Imagem: Manuel Le Gallo et al. - 10.1038/s41928-023-01010-1] |
Computação analógica bate computação digital
Para transformar esse conceito de IA analógica em realidade, dois desafios principais precisam ser superados: Essas matrizes de memória precisam ser capazes de computar com um nível de precisão comparável ao dos sistemas digitais atuais e elas precisam ser capazes de interagir perfeitamente com outras unidades de computação digital, o que inclui fazer uma comunicação digital dentro do próprio chip de IA analógico.
É aqui que o novo protótipo apresentado pela IBM traz novidades: O chip dá um passo significativo para enfrentar esses dois desafios ao incorporar um circuito misto de última geração para executar uma variedade de tarefas de inferência DNN. Os testes, envolvendo visão computacional, mostraram que o novo chip é tão eficiente quanto os equivalentes digitais nessa tarefa, ao mesmo tempo em que é consideravelmente mais eficiente em termos de energia.
O chip é composto por 64 núcleos (ou ladrilhos, como a IBM os chama) de computação analógica na memória, cada um contendo uma matriz de barras transversais de 256 por 256 células unitárias sinápticas. Conversores analógico-digitais compactos e baseados em tempo são integrados em cada ladrilho para fazer a transição entre os mundos analógico e digital. Cada ladrilho também é integrado a unidades de processamento digital leves, que executam funções simples de ativação neuronal não-linear e operações de dimensionamento.
"Usando o chip, nós realizamos o estudo mais abrangente da precisão computacional da computação analógica na memória e demonstramos uma precisão de 92,81% no conjunto de dados de imagem CIFAR-10. Nós acreditamos que este seja o mais alto nível de precisão de qualquer chip atualmente relatado usando tecnologia similar. No artigo, nós também mostramos como podemos combinar perfeitamente a computação analógica na memória com várias unidades de processamento digital e uma estrutura de comunicação digital," informaram os pesquisadores.
-
Por Inovação Tecnologica.
