De acordo com pt.wedoany.com-Pesquisadores da Universidade Estadual do Oregon (Oregon State University) desenvolveram um dispositivo de armazenamento digital fotossensível que integra detecção, armazenamento e processamento de sinais em um único fototransistor, com potencial para reduzir os custos energéticos do hardware de IA no futuro.
O dispositivo foi desenvolvido pela Faculdade de Engenharia da Universidade Estadual do Oregon, e os resultados foram publicados na revista Advanced Functional Materials. Seu design imita a capacidade fundamental do cérebro de reforçar memórias importantes, enquanto permite que informações secundárias se desvaneçam com o tempo. O novo dispositivo aproxima o processamento de IA dos sensores, em vez de forçar os dados a transitarem entre módulos de hardware independentes, realizando parte do trabalho diretamente no local onde a luz incide.
O líder do projeto, professor de Engenharia Elétrica e Ciência da Computação Larry Cheng, afirmou: "Nosso dispositivo optoeletrônico introduz uma nova capacidade de hardware que pode possibilitar um processamento de informações mais eficiente diretamente no nível do sensor." O hardware de IA atual distribui a detecção, o armazenamento e o processamento envolvidos na percepção de máquinas em componentes diferentes, e os dados precisam transitar frequentemente, o que consome energia e reduz a eficiência.
O dispositivo da Universidade Estadual do Oregon resolve esse desafio integrando parte das funções de armazenamento e processamento diretamente no sensor de luz. Ele utiliza um fototransistor feito de dois materiais diferentes: um semicondutor de óxido forma o canal do transistor (o caminho por onde a corrente flui), e uma camada orgânica fotossensível fica no topo, para absorver a luz e gerar cargas. Quando a luz incide sobre o dispositivo, parte das cargas fica retida na camada fotossensível. Mesmo após a luz desaparecer, as cargas retidas continuam a influenciar a corrente que flui pelo canal semicondutor, permitindo que o dispositivo retenha a memória do sinal de luz previamente detectado.
A memória não é estática. Ao aplicar uma pequena tensão elétrica na porta, os pesquisadores podem alterar a posição das cargas retidas em relação ao canal do transistor. Quando as cargas se aproximam do canal, o efeito é intensificado e a memória dura mais tempo; quando se afastam, o efeito diminui e a memória se desvanece mais rapidamente. Esse comportamento é semelhante à forma como o cérebro biológico regula a memória: no cérebro, sinais químicos determinam se uma memória é reforçada ou esquecida; no dispositivo, sinais elétricos desempenham um papel semelhante, conferindo ao hardware uma vida útil de memória programável.
Isso é particularmente útil para o campo da computação neuromórfica (neuromorphic computing), que busca construir sistemas computacionais que imitam redes neurais biológicas. Também está alinhado com a tendência mais ampla em direção à computação no sensor (in-sensor computing), que processa dados no ponto de captura, em vez de transmiti-los para processadores e armazenamentos separados. Para sistemas de visão de IA, isso significa que o hardware pode filtrar, ponderar e reter temporariamente informações visuais antes que elas cheguem aos processadores tradicionais. Robôs, drones, câmeras de segurança ou sistemas autônomos podem não precisar armazenar para sempre cada sinal visual; algumas informações exigem apenas atenção breve, outras precisam ser retidas por mais tempo, e outras ainda devem desaparecer quase imediatamente.
Larry Cheng disse: "Este armazenador fotossensível com vida útil de memória programável cria uma janela de tempo ajustável para processar sinais visuais e de outros sensores diretamente no ponto de detecção. Essa capacidade pode possibilitar sistemas de visão mais eficientes e outras tecnologias de IA baseadas em sensores." A pesquisa ainda está no nível do dispositivo e não pode substituir diretamente os atuais aceleradores de IA ou sensores de imagem. No entanto, essa direção aponta um caminho de desenvolvimento de hardware que pode permitir que futuros sistemas de IA dependam menos do movimento constante de dados entre sensores, memórias e processadores. Se for bem-sucedida em escala, a IA poderá se tornar mais rápida, mais compacta e com menor consumo de energia, especialmente em sistemas de borda onde a eficiência energética é crucial.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
