A computação neuroma³rfica 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 neuroma³rficas 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 regiaµes do cérebro. Outra fonte potencialmente valiosa de inspiração para abordagens da computação neuroma³rfica , no entanto, éa plasticidade da membrana neuronal, a barreira protetora que preserva o funcionamento dos neura´nios.

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

"Como um grupo com experiência prima¡ria em sensores eletra´nicos biola³gicos e qua­micos, tentamos encontrar um sistema adequado que replicasse as propriedades da membrana neuronal usando os princa­pios 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 potenciomanãtricos eletra´nicos baseados em transistores de nanofios de sila­cio. Essa classe de sensores pode converter as cargas de um a­on ou molanãcula em corrente elanãtrica. Os pesquisadores combinaram um transistor de efeito de campo que detecta eletronicamente cargas ia´nicas com um filme sol-gel, que permite a redistribuição de cargas ia´nicas.

"Fabricamos transistores de nanofios de sila­cio usando um processo CMOS, como feixe de elanãtrons e litografia UV, em uma bolacha de sila­cio sobre isolador (SOI) de oito polegadas", disse a  TechXplore Gianaurelio Cuniberti, outro pesquisador envolvido no estudo. "Em seguida, revestimos os dispositivos de nanofios com filme de silicato dopado por a­ons, que ésintetizado pelo processo sol-gel usando precursores a  base de silicato e a­ons meta¡licos".

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 a­ons dentro dele e mantanãm certos estados ia´nicos por um curto período de tempo. Devido a essa qualidade única, o filme sol-gel permite que o neurotransistor gere uma dina¢mica de saa­da não-linear (ou seja, sigma³ide), que égovernada pela história do sinal de entrada.

O dispositivo desenvolvido pelos pesquisadores emula a funcionalidade e plasticidade intra­nseca de uma canãlula de neura´nio. De fato, nos neura´nios, um potencial de membrana induz uma mudança sigmoidal na corrente ia´nica. Essa propriedade dina¢mica não linear também oferece recursos avana§ados de aprendizado, tornando-o ideal para aplicativos de aprendizado de ma¡quina, por exemplo, aprendendo a ter um bom desempenho em tarefas de classificação de padraµes.

"A conquista mais significativa do nosso estudo éa capacidade dina¢mica de aprendizado da nossa rede de neurotransistores, obtida com a plasticidade de um neura´nio", disse a  TechXplore Eunhye Baek, um dos principais pesquisadores do estudo. "Muitos dispositivos neuroma³rficos (principalmente memristores) dificilmente controlam a dina¢mica de saa­da devido a  sua estoca¡stica como um limiar de corrente aleata³rio".

A estratanãgia de design empregada pelos pesquisadores permite que seu neurotransistor use a quantidade quantificada de a­ons dopados em sua canãlula para obter uma dina¢mica de saa­da esta¡vel. Como o objetivo do estudo recente de Baraban, Cuniberti, Baek e seus colegas era imitar a computação não-linear de neura´nios, seu neurotransistor pode ser usado para realizar a classificação noníveldo dispositivo, sem a necessidade de tratamento pa³s-dados. Isso permite ca¡lculos neuroma³rficos mais poderosos com menor consumo de energia, pois outros modelos de classificação de padraµes existentes executados em dispositivos neuroma³rficos exigem ca¡lculos adicionais de software.

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

Este trabalho confirma o potencial considera¡vel dos componentes eletra´nicos neuroma³rficos para alcana§ar as funções de memória e aprendizado em um aºnico dispositivo. Ao emular a plasticidade das membranas neurais, sua nova estratanãgia para projetar neurotransistores poderia permitir a criação de novos eletra´nicos com recursos avana§ados de aprendizado.

"Agora, estamos buscando mais pesquisas de computação inspiradas no cérebro na Universidade de Tsinghua, usando memristores ha­bridos para desenvolver neura´nios sensoriais visuais artificiais como a retina", disse Baek. "Antes que o sinal recebido chegue ao cérebro, a memória e o aprendizado já ocorrem nos neura´nios sensoriais para pré-processar o sinal. O princa­pio de aprendizado dina¢mico por trás do nosso neurotransistor seráaplicado para processar o sinal de luz varia¡vel no tempo".