01/03/2018

Rumo ao cérebro artificial, sinapses eletrônicas já aprendem sozinhas

Aprendizado de máquina autônomo

Pesquisadores franceses criaram uma sinapse artificial capaz de aprender sozinha, sem que os humanos precisem se dedicar ao tedioso trabalho de treiná-la para que ela aprenda a executar suas funções.

Este é um passo importante para a criação de circuitos biomiméticos mais complexos, inspirados no funcionamento do cérebro.

O processo de aprendizagem do cérebro está ligado às sinapses, que servem de ligação entre os neurônios. Quanto mais a sinapse é estimulada, mais a conexão é reforçada, melhorando a aprendizagem.

Soren Boyn e seus colegas do CNRS imitaram esse conceito usando um tipo especial do já bem conhecido memoristor, um componente que também consegue se lembrar das correntes elétricas que já o percorreram anteriormente, o que faz com que ele funcione como uma espécie de sinapse artificial.

O que a equipe conseguiu fazer de novidade foi desenvolver um modelo físico capaz de prever como a sinapse artificial irá funcionar. Esse entendimento do processo, escrevem eles, tornará possível criar sistemas mais complexos e "máquinas mais inteligentes", tirando proveito de uma série de memoristores interconectados.

"Com base neste modelo físico, nossas simulações mostram que as matrizes de nano-sinapses ferroelétricas podem aprender autonomamente a reconhecer padrões de forma previsível, abrindo o caminho para a aprendizagem não-supervisionada em redes neurais," escreveu a equipe.

Câmera inteligente

O próximo passo será testar se o modelo funciona realmente e, para isto, o grupo está trabalhando em um conceito inovador de uma câmera que será dotada de um sensor inteligente, que aprenderá como lidar com a luz.

Se tudo funcionar como eles planejam, os píxeis do sensor da câmera ficarão inativos até que detectem uma mudança no ângulo de visão, quando então se ativarão autonomamente.

Os ganhos esperados são que a câmera leve menos tempo para detectar objetos selecionados e consuma menos energia, já que os píxeis ficarão mais desligados do que ligados.

Bibliografia:

Learning through ferroelectric domain dynamics in solid-state synapses
Sören Boyn, Julie Grollier, Gwendal Lecerf, Bin Xu, Nicolas Locatelli, Stéphane Fusil, Stéphanie Girod, Cécile Carrétéro, Karin Garcia, Stéphane Xavier, Jean Tomas, Laurent Bellaiche, Manuel Bibes, Agnès Barthélémy, Sylvain Saïghi, Vincent Garcia
Nature Communications
Vol.: 8: 14736
DOI: 10.1038/NCOMMS14736