Investigadores da Universidade de Ciência e Tecnologia de Huazhong, em Hubei, na China, e da Universidade Chinesa de Hong Kong desenvolveram recentemente um chip de computação neuromórfica baseado no semicondutor bidimensional dissulfeto de molibdénio, que pode reduzir o consumo de energia dos algoritmos de IA mantendo a precisão do cálculo. Os resultados relacionados foram publicados na revista Nature Electronics.
Este chip de computação neuromórfica adota uma matriz cruzada vertical de um transístor-um resistor (1T1R) e utiliza dois esquemas de dobragem de sinal: dobragem do sinal de entrada e dobragem da condutância de peso. A dobragem do sinal de entrada reduz o consumo de energia ao diminuir a tensão de funcionamento, enquanto a dobragem da condutância de peso expande a precisão do peso ao contornar as diferenças entre dispositivos. "Em comparação com operações sem dobragem de sinal, o nosso método pode reduzir o consumo de energia da multiplicação vetor-matriz em até 90%, alcançando simultaneamente uma precisão semelhante, sem necessidade de esquemas de calibração ou compensação", escreveram os autores do artigo, Lei Tong, Xu Langlang e outros.
Nos testes, os investigadores utilizaram este chip de computação neuromórfica para executar multiplicações vetor-matriz — a operação central que sustenta a análise de redes neuronais artificiais. Em comparação com sistemas que não utilizam a dobragem de sinal, o novo esquema reduziu significativamente o consumo de energia, mantendo ao mesmo tempo a precisão do cálculo. Este estudo demonstra que os chips de computação neuromórfica baseados em dissulfeto de molibdénio têm potencial de aplicação em plataformas de inteligência artificial na periferia.
No futuro, os investigadores planeiam aperfeiçoar ainda mais este chip e integrá-lo em dispositivos que executam algoritmos de IA localmente. As características de baixo consumo de energia dos chips de computação neuromórfica baseados em dissulfeto de molibdénio deverão impulsionar a atualização da eficiência energética em dispositivos inteligentes.
Detalhes da publicação: Autor: Ingrid Fadelli, Phys.org; Título: "Signal-folding design helps neuromorphic chip slash AI energy use"; Publicado em: Nature Electronics (2026); Informação da revista: Nature Electronics