Um avanço publicado nesta terça-feira (24), na revista Nature Communications, coloca a computação neuromórfica — inspirada no funcionamento do cérebro humano — mais próxima de sair dos laboratórios e transformar a indústria de inteligência artificial. Pesquisadores da Universidade Beihang, na China, desenvolveram um dispositivo nanométrico capaz de simular, no mesmo componente físico, tanto sinapses quanto neurônios artificiais, superando um dos principais gargalos da área.

O estudo, liderado por Zanhong Chen, Dehang Zhu e colegas, descreve o uso de junções de túnel magnético com “viés de troca” (EB-MTJs, na sigla em inglês), uma tecnologia baseada em spintrônica — campo que explora o spin dos elétrons para processar informação. “Demonstramos a integração monolítica de sinapses e neurônios em dispositivos compactos, com alta velocidade e baixo consumo energético”, afirmam os autores no artigo.

A pesquisa se insere em um contexto histórico de busca por alternativas à arquitetura de computadores tradicional, baseada no modelo de von Neumann, no qual memória e processamento são separados. Esse modelo, dominante desde meados do século XX, enfrenta limites físicos e energéticos diante da explosão de dados e da crescente demanda por inteligência artificial.

No cérebro humano, ao contrário, processamento e memória ocorrem no mesmo local — as sinapses. Essa organização permite eficiência energética incomparável: o cérebro consome cerca de 20 watts, enquanto sistemas modernos de IA podem demandar milhares de vezes mais energia.

“A separação entre memória e computação gera atrasos e alto consumo energético”, destacam os pesquisadores. “Nosso dispositivo aproxima-se da colocalização observada em sistemas biológicos.”

Os resultados experimentais impressionam. Os dispositivos operam com pulsos de apenas 0,4 nanossegundos e alcançam consumo energético de cerca de 190 femtojoules por operação, valor significativamente inferior ao de neurônios artificiais baseados em CMOS convencionais.

Além disso, os pesquisadores demonstraram: mais de 25 estados de resistência distintos em sinapses artificiais, permitindo aprendizado gradual; estabilidade de dados superior a 10 anos; operação em frequência na faixa de gigahertz e reconhecimento de gestos com 96% de acurácia em uma rede neural experimental.

A rede testada — uma rede neural espiking convolucional — combinou aprendizado supervisionado e não supervisionado, reduzindo em cerca de 11% o número total de atualizações sinápticas e economizando energia durante o treinamento.

O funcionamento do dispositivo se baseia em fenômenos físicos complexos. Ao aplicar pulsos elétricos, os pesquisadores conseguem manipular domínios magnéticos em escala nanométrica, criando múltiplos estados intermediários — algo essencial para simular o comportamento analógico das sinapses biológicas.

Já o comportamento de neurônio é obtido por um mecanismo chamado leaky-integrate-and-fire (LIF), no qual o dispositivo acumula estímulos até atingir um limiar e “disparar” — de forma análoga ao cérebro humano.

Segundo os autores, a inovação central está na utilização de materiais antiferromagnéticos com distribuição de grãos, que permitem controlar finamente o comportamento magnético e garantir estabilidade dos estados intermediários.

O avanço pode ter implicações profundas para a próxima geração de hardware de inteligência artificial, especialmente em aplicações que exigem baixo consumo energético, como dispositivos móveis, sensores e sistemas embarcados.

Hoje, o treinamento de grandes modelos de IA é responsável por consumo energético crescente e custos elevados. Tecnologias neuromórficas prometem reduzir drasticamente essa demanda, aproximando a computação do funcionamento biológico.

Apesar do avanço, desafios permanecem. A produção em larga escala, a integração com sistemas existentes e a variabilidade entre dispositivos ainda precisam ser resolvidas antes da adoção industrial.

Ainda assim, especialistas apontam que o estudo representa um marco na convergência entre física de materiais e inteligência artificial — uma área estratégica na corrida tecnológica global.

Se bem-sucedida, a tecnologia poderá inaugurar uma nova era: computadores que não apenas calculam, mas aprendem e se adaptam como cérebros — consumindo uma fração da energia atual.