Inspirada no cérebro humano para uma nova era da computação
A computação neuromórfica é um paradigma computacional inspirado na estrutura e funcionamento do cérebro humano. Enquanto a arquitetura tradicional de von Neumann separa processador e memória, os sistemas neuromórficos integram processamento e armazenamento de dados de forma similar aos neurônios biológicos.
Os sistemas neuromórficos utilizam redes neurais pulsantes (Spiking Neural Networks - SNN), que se inspiram na maneira como os neurônios biológicos se comunicam através de pulsos elétricos (spikes). Diferentemente das redes neurais artificiais tradicionais, as SNNs consideram o tempo dos spikes, tornando-as mais próximas do funcionamento real do cérebro.
Unidades de processamento que recebem, processam e transmitem sinais através de spikes.
Conexões entre neurônios que armazenam memórias e modificam sua força conforme o aprendizado.
Pulsos elétricos discretos que codificam informação no tempo, como no cérebro biológico.
┌─────────────────────────────────────────────────────────────┐
│ PRINCIPAIS CHIPS NEUROMÓRFICOS │
├─────────────────────────────────────────────────────────────┤
│ IBM TrueNorth │ 1M neurônios │ 256M sinapses │ 65mW │
│ Intel Loihi │ 130K neurônios│ 130M sinapses │ ~1W │
│ SpiNNaker │ 1M ARM cores │ Paralelo │ ~10W │
│ Tianjic │ Heterogeneo │ Multi-core │ ~1W │
└─────────────────────────────────────────────────────────────┘
Desenvolvido pela IBM, o TrueNorth contém 1 milhão de neurônios e 256 milhões de sinapses em um chip de apenas 65mW de consumo energético —难以置信mente eficiente.
Chip da Intel com 130.000 neurônios e suporte a aprendizado online, capaz de adaptar suas conexões sinápticas em tempo real.
Controle de robôs com baixa latência e alto eficiência energética.
Processamento de eventos para câmeras neuromórficas.
Reconhecimento de fala em tempo real com baixo consumo.
Inteligência artificial executada localmente em dispositivos embarcados.
Regra de aprendizado biologicamente inspirada onde a força sináptica muda conforme a diferença temporal entre os spikes do neurônio pré-sináptico e pós-sináptico. Se o spike pré-sináptico firing antes do pós-sináptico frequentemente, a sinapse fortalece. Caso contrário, enfraquece.
Método que permite usar backpropagation tradicional em SNNs, substituindo a função de spike não-diferenciável por uma função surrogada suave durante o treinamento.
Algoritmo biologicamente plausível que combina a eficiência do aprendizado por gradientes com a natureza distribuída do aprendizado cerebral.
A computação neuromórfica representa uma mudança paradigmática na forma como concebemos e construímos sistemas computacionais. À medida que os limites físicos da lei de Moore se aproximam, arquiteturas inspiradas no cérebro podem oferecer o próximo salto em eficiência e capacidade.