Computadores projetados para imitar a estrutura do cérebro humano estão mostrando uma força inesperada. Eles podem resolver algumas das complexas equações matemáticas que estão no cerne de grandes problemas científicos e de engenharia.
Em um estudo publicado na Nature Machine Intelligence, os neurocientistas computacionais do Laboratório Nacional Sandia, Brad Theilman e Brad Aimone, 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 demonstram que sistemas neuromórficos podem lidar com essas equações de forma eficiente. O avanço pode ajudar a abrir as portas para o primeiro supercomputador neuromórfico, oferecendo um novo caminho em direção à computação energeticamente eficiente para a segurança nacional e outras aplicações críticas.
A pesquisa foi financiada pelo Escritório de Ciências do Departamento de Energia, através dos programas de Pesquisa Avançada em Computação Científica e Ciências Básicas de Energia, assim como pelo programa de Simulação Avançada e Computação da Administração Nacional de Segurança Nuclear.
Resolvendo Equações Diferenciais Parciais com Hardware semelhança ao Cérebro
As equações diferenciais parciais são essenciais para simular sistemas do mundo real. Elas são usadas para prever o clima, analisar como os materiais respondem a estresse e modelar processos físicos complexos. Tradicionalmente, resolver PDEs requer um imenso poder computacional. Os computadores neuromórficos abordam o problema de forma diferente, processando informações de maneiras que se assemelham ao funcionamento do cérebro.
“Estamos começando a ter sistemas computacionais que podem exibir comportamento semelhante ao inteligente. Mas eles não se parecem em nada com o cérebro, e a quantidade de recursos que exigem é ridícula, francamente,” disse Theilman.
Durante 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 PDEs, que geralmente são tratados por supercomputadores em larga escala.
Aimone e Theilman não ficaram surpresos com o resultado. Eles argumentam que o cérebro humano rotineiramente realiza cálculos altamente complexos, mesmo que as pessoas não tenham consciência disso.
“Escolha qualquer tarefa de controle motor — como acertar uma bola de tênis ou balançar um bastão em direção a uma bola de baseball,” disse Aimone. “Essas são computações muito sofisticadas. Elas são problemas de nível exascale que nossos cérebros são capazes de resolver de forma muito econômica.”
Computação Energética Eficiente para a Segurança Nacional
Os achados podem ter implicações significativas para a Administração Nacional de Segurança Nuclear, que é responsável por manter a dissuasão nuclear do país. Supercomputadores usados em todo o complexo de armas nucleares consomem enormes quantidades de eletricidade para simular a física de sistemas nucleares e outros cenários de alto risco.
A computação neuromórfica pode oferecer uma forma de reduzir significativamente o uso de energia, mantendo um forte desempenho computacional. Ao resolver PDEs de uma maneira inspirada no cérebro, esses sistemas sugerem que grandes simulações poderiam ser realizadas utilizando muito menos energia do que os supercomputadores convencionais requerem.
“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, de fato, essa intuição geralmente está errada.”
A equipe imagina que os supercomputadores neuromórficos eventualmente se tornem centrais na missão do Sandia de proteger a segurança nacional.
O Que a Computação Neuromórfica Revela Sobre o Cérebro
Além dos avanços em engenharia, a pesquisa também toca em questões mais profundas sobre inteligência e como o cérebro realiza cálculos. O algoritmo desenvolvido por Theilman e Aimone se assemelha de perto à estrutura e ao comportamento das redes corticais.
“Baseamos nosso circuito em um modelo relativamente conhecido no mundo da neurociência computacional,” disse Theilman. “Mostramos que o modelo tem uma conexão natural, mas não óbvia, com PDEs, e essa conexão não havia sido feita 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 podem ser doenças de computação,” disse Aimone. “Mas ainda não temos uma compreensão sólida de como o cérebro realiza computações.”
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 ainda é um campo emergente, mas este trabalho representa um passo importante à frente. A equipe do 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, de 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 avança, 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.
