Máquinas inspiradas no cérebro superam expectativas em cálculos matemáticos.

Em um estudo publicado na Nature Machine Intelligence, os neurocientistas computacionais do Laboratório Nacional Sandia, Brad Theilman e Brad Aimone, introduziram um novo algoritmo que permite que o hardware neuromórfico resolva equações diferenciais parciais, ou PDEs – a fundação matemática para modelar fenômenos como dinâmica de fluidos, campos eletromagnéticos e mecânica estrutural.

Os resultados demonstram que sistemas neuromórficos podem lidar com essas equações de maneira eficiente. Esse avanço pode abrir as portas para o primeiro supercomputador neuromórfico, oferecendo um novo caminho em direção a computação energeticamente eficiente para a segurança nacional e outras aplicações críticas.

A pesquisa foi financiada pelo Escritório de Ciência do Departamento de Energia por meio dos programas de Pesquisa Científica Avançada e Ciências Básicas de Energia, além do programa de Simulação Avançada e Computação da Administração Nacional de Segurança Nuclear.

Resolvendo Equações Diferenciais Parciais com Hardware Semelhante ao Cérebro

As equações diferenciais parciais são essenciais para simular sistemas do mundo real. Elas são usadas para prever o tempo, analisar como os materiais respondem ao estresse e modelar processos físicos complexos. Tradicionalmente, resolver PDEs requer um enorme poder computacional. Os computadores neuromórficos abordam o problema de maneira diferente, processando informações de formas que se assemelham ao funcionamento do cérebro.

“Estamos apenas começando a ter sistemas computacionais que podem exibir comportamentos semelhantes aos da inteligência. Mas eles não se parecem em nada com o cérebro, e a quantidade de recursos que eles requerem é ridícula, francamente”, disse Theilman.

Por anos, os sistemas neuromórficos foram vistos principalmente como ferramentas para reconhecimento de padrões ou para acelerar redes neurais artificiais. Poucos esperavam que eles conseguissem gerenciar problemas matematicamente rigorosos, como as PDEs, que geralmente são tratados por supercomputadores de grande escala.

Aimone e Theilman não ficaram surpresos com o resultado. Eles argumentam que o cérebro humano realiza rotineiramente cálculos altamente complexos, mesmo que as pessoas não estejam cientes disso.

“Escolha qualquer tipo de tarefa de controle motor – como acertar uma bola de tênis ou balançar um bastão em direção a uma bola de beisebol”, disse Aimone. “Essas são cálculos muito sofisticados. Eles são problemas de nível exascale que nossos cérebros são capazes de resolver de maneira muito econômica.”

Computação Energeticamente Eficiente para Segurança Nacional

As descobertas podem ter grandes implicações para a Administração Nacional de Segurança Nuclear, que é responsável pela manutenção do sistema de dissuasão nuclear do país. Supercomputadores utilizados em todo o complexo de armas nucleares consomem vastas quantidades de eletricidade para simular a física de sistemas nucleares e outros cenários de alto risco.

A computação neuromórfica pode fornecer uma maneira de reduzir significativamente o uso de energia, enquanto ainda oferece um bom desempenho computacional. Ao resolver PDEs de maneira inspirada no cérebro, esses sistemas sugerem que grandes simulações poderiam ser executadas usando muito menos energia do que requerem os supercomputadores convencionais.

“Você pode resolver problemas reais de física com computação semelhante ao cérebro”, disse Aimone. “Isso é algo que você não esperaria porque a intuição das pessoas vai na direção oposta. E, na verdade, essa intuição muitas vezes está errada.”

A equipe imagina que supercomputadores neuromórficos possam eventualmente se tornar centrais para a missão da Sandia de proteger a segurança nacional.

O Que a Computação Neuromórfica Revela Sobre o Cérebro

Além dos avanços na engenharia, a pesquisa também aborda questões mais profundas sobre inteligência e como o cérebro realiza cálculos. O algoritmo desenvolvido por Theilman e Aimone espelha de perto a estrutura e o comportamento das redes corticais.

“Baseamos nosso circuito em um modelo relativamente bem conhecido no mundo da neurociência computacional”, disse Theilman. “Mostramos que o modelo tem um vínculo natural, mas não óbvio, com as PDEs, e esse vínculo não havia sido estabelecido até agora – 12 anos após a introdução do modelo.”

Os pesquisadores acreditam que esse trabalho pode ajudar a conectar a neurociência com a matemática aplicada, oferecendo uma nova compreensão de como o cérebro processa informações.

“Doenças do cérebro poderiam ser doenças da computação”, disse Aimone. “Mas ainda não temos uma compreensão sólida de como o cérebro realiza cálculos.”

Se essa ideia se provar correta, a computação neuromórfica pode um dia contribuir para uma melhor compreensão e tratamento de distúrbios neurológicos, como Alzheimer e Parkinson.

Construindo a Próxima Geração de Supercomputadores

A computação neuromórfica continua sendo um campo emergente, mas este trabalho representa um importante avanço. A equipe da Sandia espera que seus resultados incentivem a colaboração entre matemáticos, neurocientistas e engenheiros para expandir o que essa tecnologia pode alcançar.

“Se já mostramos que podemos importar esse algoritmo relativamente básico, mas fundamental da matemática aplicada para o neuromórfico – existe uma formulação neuromórfica correspondente para técnicas de matemática aplicada ainda mais avançadas?” disse Theilman.

À medida que o desenvolvimento continua, os pesquisadores estão otimistas. “Temos um pé na porta para entender as questões científicas, mas também temos algo que resolve um problema real”, disse Theilman.