Neurônio artificial em chip de silício descoberto; imita eficiência do cérebro, pode reduzir drasticamente consumo de energia de IA

Pesquisadores descobriram acidentalmente um neurônio artificial simples e único dispositivo de sinapse construído em transistores CMOS comuns, de acordo com um novo artigo em IEEE Spectrum. A descoberta surgiu do estudo de um transistor CMOS comum—nem mesmo um particularmente bom—e aproveitando um quarto terminal (conexão em massa) que normalmente recebe pouca atenção. Aplicando voltagem tanto ao gate quanto aos terminais em massa, pesquisadores descobriram que o transistor exibe comportamento semelhante ao neural sem exigir as redes de capacitores volumosos interconectadas que afligem o hardware neuromorfo há décadas.

O grande avanço é que um único transistor agora pode servir como neurônio artificial e sinapse, eliminando a barreira de escalonamento que impediu sistemas neuromorfo de competir com GPUs. As abordagens anteriores exigiam conectar muitos transistores CMOS separados para aproximar um único neurônio, aumentando dramaticamente a sobrecarga de energia, complexidade de fio e pegada de silício. A curva I-V do novo dispositivo—como a corrente responde à voltagem—espelha potenciais de ação do neurônio biológico: exibe comportamento de limiar e dinâmica autossustentável que o tornam ideal para imitar disparo neural sem circuitos de oscilação externa.

Para arquitetos avaliando IA de borda, este é um jogo de longo prazo: a descoberta acidental fica na interseção de resolver o maior gargalo do hardware neuromorfo (escala e densidade) enquanto usa fabricação CMOS padrão da indústria. Nenhum novo nó de processo ou materiais exóticos exigidos. O cérebro humano funciona com ~20 watts; GPUs modernas podem consumir quilowatts. Se este neurônio único dispositivo puder escalar para milhões de neurônios por chip usando CMOS padrão, poderia permitir computação de escala de cérebro verdadeiro em orçamentos de miluwatt—mas isso está anos de distância da produção. Observe artigos de acompanhamento sobre escalonamento e integração do sistema.