Computadores projetados para imitar a estrutura do cérebro humano estão demonstrando um poder inesperado. Eles podem resolver algumas das equações matemáticas complexas que fundamentam problemas científicos e de engenharia básicos.
Num estudo publicado em Inteligência mecânica da naturezaOs neurocientistas computacionais do Sandia National Laboratory, Brad Theilman e Brad Eamon, apresentaram um novo algoritmo que permite que o hardware neuromórfico resolva equações diferenciais parciais, ou PDEs, a base matemática para modelar fenômenos como dinâmica de fluidos, campos eletromagnéticos e mecânica estrutural.
Os resultados mostram que os sistemas neuromórficos podem lidar com essas equações de forma eficiente. Este avanço poderá ajudar a abrir as portas ao primeiro supercomputador neuromórfico, oferecendo um novo caminho para a computação energeticamente eficiente para a segurança nacional e outras aplicações de missão crítica.
A pesquisa foi financiada pelo Escritório de Ciência do Departamento de Energia no âmbito dos programas de Computação Avançada e Ciências Básicas de Energia, bem como pelo Programa de Modelagem e Computação Avançada da Administração Nacional de Segurança Nuclear.
Resolvendo equações diferenciais parciais com hardware semelhante ao cérebro
Equações diferenciais parciais são importantes para modelar sistemas do mundo real. Eles são usados para prever o clima, 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 maneira semelhante ao cérebro.
“Estamos apenas começando a ter sistemas de computação que podem exibir comportamento inteligente. Mas eles não se parecem em nada com um cérebro, e a quantidade de recursos de que necessitam é francamente ridícula”, disse Tailman.
Durante muitos anos, os sistemas neuromórficos foram considerados principalmente como ferramentas para reconhecimento de padrões ou para acelerar redes neurais artificiais. Poucos esperavam que eles resolvessem problemas matematicamente rigorosos como os PDEs, que geralmente são tratados por grandes supercomputadores.
Eamon e Tailman não ficaram surpresos com o resultado. Eles argumentam que o cérebro humano realiza regularmente cálculos muito complexos, mesmo quando as pessoas não têm consciência disso.
“Escolha qualquer tarefa de controle de movimento – como acertar uma bola de tênis ou um taco de beisebol”, disse Eamon. “Esses são cálculos muito complexos. São tarefas em exoescala que nossos cérebros podem realizar de maneira muito barata.”
Computação energeticamente eficiente para segurança nacional
As descobertas poderão ter implicações importantes para a Administração Nacional de Segurança Nuclear, que é responsável por manter a dissuasão nuclear do país. Os supercomputadores utilizados no complexo de armas nucleares consomem enormes quantidades de electricidade para simular a física dos sistemas nucleares e outros cenários de alto risco.
A computação neuromórfica pode permitir reduzir significativamente o consumo de energia, proporcionando alto desempenho computacional. Ao resolver PDEs de uma forma inspirada no cérebro, esses sistemas sugerem que grandes simulações podem ser executadas usando muito menos energia do que os supercomputadores convencionais exigem.
“Você pode resolver problemas físicos reais com a computação cerebral”, disse Eamon. “É algo que você não espera, porque a intuição das pessoas vai na direção oposta. E, na verdade, essa intuição muitas vezes está errada.”
A equipe prevê que os supercomputadores neuromórficos eventualmente se tornarão fundamentais para a missão de Sandia de proteger a segurança nacional.
O que a computação neuromórfica revela sobre o cérebro
Além dos avanços da engenharia, a pesquisa também aborda questões mais profundas sobre a inteligência e como o cérebro realiza cálculos. O algoritmo desenvolvido por Theilman e Aimone reflete com precisão a estrutura e o comportamento das redes corticais.
“Baseamos nosso esquema em um modelo relativamente bem conhecido no mundo da neurociência computacional”, disse Theilman. “Mostramos que o modelo tem uma conexão natural, mas não óbvia, com o PDE, e essa conexão não foi feita até agora – 12 anos após a apresentação do modelo.”
Os pesquisadores acreditam que este trabalho pode ajudar a unir a neurociência com a matemática aplicada, oferecendo novos insights sobre como o cérebro processa a informação.
“As doenças do cérebro podem ser doenças da computação”, disse Eamon. “Mas ainda não temos uma imagem clara de como o cérebro realiza cálculos”.
Se esta ideia se provar correta, a computação neuromórfica poderá um dia ajudar a compreender e tratar melhor doenças neurológicas como Alzheimer e Parkinson.
Construindo a próxima geração de supercomputadores
A computação neuromórfica continua sendo um campo novo, mas este trabalho representa um importante passo em frente. A equipe Sandia espera que seus resultados incentivem a colaboração entre matemáticos, neurocientistas e engenheiros para expandir as possibilidades desta tecnologia.
“Se já mostramos que podemos importar este algoritmo matemático aplicado relativamente simples, mas fundamental, para o neuromorfo – existe uma formulação neuromórfica correspondente para métodos matemáticos aplicados ainda mais avançados?” Tailman disse.
À medida que o desenvolvimento continua, os pesquisadores estão otimistas. “Temos um passo no caminho para a compreensão de questões científicas, mas também temos algo que resolve um problema do mundo real”, disse Theilman.
