Tecnologia Científica

Transistores de nanofios de silício com funções de aprendizado e memória
O neurotransistor projetado por Eunhye Baek, Baraban e seus colegas explora as propriedades dos biossensores potenciométricos eletrônicos baseados em transistores de nanofios de silício.
Por Ingrid Fadelli - 23/06/2020


O chip neurotransistor dinâmico inspirado no cérebro
desenvolvido pelos pesquisadores. Crédito: Baek et al.

A computação neuromórfica envolve a construção de arquiteturas inspiradas em elementos do cérebro humano, como organização neural e sinapses. Essas arquiteturas provaram ser altamente promissoras e vantajosas para várias aplicações, pois podem ter funções de memória e aprendizado.

A maioria das arquiteturas neuromórficas atuais recriam artificialmente a plasticidade (ou seja, capacidade de ser modelada facilmente ao longo do tempo) das sinapses, que são junções entre células nervosas que permitem a propagação de impulsos pelas regiões do cérebro. Outra fonte potencialmente valiosa de inspiração para abordagens da computação neuromórfica , no entanto, é a plasticidade da membrana neuronal, a barreira protetora que preserva o funcionamento dos neurônios.

Com isso em mente, pesquisadores do TU Dresden e Hemholtz Center projetaram recentemente um neurotransistor que emula a plasticidade intrínseca da membrana neuronal. O novo neurotransistor, apresentado em um artigo publicado na Nature Electronics , foi fabricado revestindo um nanofio de silício com um filme de silicato de sol-gel dopado por íons.

"Como um grupo com experiência primária em sensores eletrônicos biológicos e químicos, tentamos encontrar um sistema adequado que replicasse as propriedades da membrana neuronal usando os princípios dos biossensores", disse Larysa Baraban, uma das pesquisadoras que realizaram o estudo. TechXplore.

O neurotransistor projetado por Eunhye Baek, Baraban e seus colegas explora as propriedades dos biossensores potenciométricos eletrônicos baseados em transistores de nanofios de silício. Essa classe de sensores pode converter as cargas de um íon ou molécula em corrente elétrica. Os pesquisadores combinaram um transistor de efeito de campo que detecta eletronicamente cargas iônicas com um filme sol-gel, que permite a redistribuição de cargas iônicas.

"Agora, estamos buscando mais pesquisas de computação inspiradas no cérebro na Universidade de Tsinghua, usando memristores híbridos para desenvolver neurônios sensoriais visuais artificiais como a retina", disse Baek. "Antes que o sinal recebido chegue ao cérebro, a memória e o aprendizado já ocorrem nos neurônios sensoriais para pré-processar o sinal. O princípio de aprendizado dinâmico por trás do nosso neurotransistor será aplicado para processar o sinal de luz variável no tempo".


"Fabricamos transistores de nanofios de silício usando um processo CMOS, como feixe de elétrons e litografia UV, em uma bolacha de silício sobre isolador (SOI) de oito polegadas", disse à TechXplore Gianaurelio Cuniberti, outro pesquisador envolvido no estudo. "Em seguida, revestimos os dispositivos de nanofios com filme de silicato dopado por íons, que é sintetizado pelo processo sol-gel usando precursores à base de silicato e íons metálicos".
 
O novo neurotransistor apresentado por Baek, Baraban, Cuniberti e seus colegas pode atuar como uma memória de curto prazo, pois o filme sol-gel restringe o movimento de íons dentro dele e mantém certos estados iônicos por um curto período de tempo. Devido a essa qualidade única, o filme sol-gel permite que o neurotransistor gere uma dinâmica de saída não-linear (ou seja, sigmóide), que é governada pela história do sinal de entrada.

O dispositivo desenvolvido pelos pesquisadores emula a funcionalidade e plasticidade intrínseca de uma célula de neurônio. De fato, nos neurônios, um potencial de membrana induz uma mudança sigmoidal na corrente iônica. Essa propriedade dinâmica não linear também oferece recursos avançados de aprendizado, tornando-o ideal para aplicativos de aprendizado de máquina, por exemplo, aprendendo a ter um bom desempenho em tarefas de classificação de padrões.

"A conquista mais significativa do nosso estudo é a capacidade dinâmica de aprendizado da nossa rede de neurotransistores, obtida com a plasticidade de um neurônio", disse à TechXplore Eunhye Baek, um dos principais pesquisadores do estudo. "Muitos dispositivos neuromórficos (principalmente memristores) dificilmente controlam a dinâmica de saída devido à sua estocástica como um limiar de corrente aleatório".

A estratégia de design empregada pelos pesquisadores permite que seu neurotransistor use a quantidade quantificada de íons dopados em sua célula para obter uma dinâmica de saída estável. Como o objetivo do estudo recente de Baraban, Cuniberti, Baek e seus colegas era imitar a computação não-linear de neurônios, seu neurotransistor pode ser usado para realizar a classificação no nível do dispositivo, sem a necessidade de tratamento pós-dados. Isso permite cálculos neuromórficos mais poderosos com menor consumo de energia, pois outros modelos de classificação de padrões existentes executados em dispositivos neuromórficos exigem cálculos adicionais de software.

"Por fim, mostramos que é possível iniciar a partir de um transistor de efeito de campo convencional, ou mesmo de um chip inteiro, e transformá-lo em um neurotransistor (ou neurochip) com funcionalidades completamente novas, através de sua modificação seletiva usando filme sol-gel", disse Baraban. .

Este trabalho confirma o potencial considerável dos componentes eletrônicos neuromórficos para alcançar as funções de memória e aprendizado em um único dispositivo. Ao emular a plasticidade das membranas neurais, sua nova estratégia para projetar neurotransistores poderia permitir a criação de novos eletrônicos com recursos avançados de aprendizado.

"Agora, estamos buscando mais pesquisas de computação inspiradas no cérebro na Universidade de Tsinghua, usando memristores híbridos para desenvolver neurônios sensoriais visuais artificiais como a retina", disse Baek. "Antes que o sinal recebido chegue ao cérebro, a memória e o aprendizado já ocorrem nos neurônios sensoriais para pré-processar o sinal. O princípio de aprendizado dinâmico por trás do nosso neurotransistor será aplicado para processar o sinal de luz variável no tempo".

 

.
.

Leia mais a seguir