Máquinas inspiradas no cérebro são melhores em matemática do que o esperado

Em um estudo publicado em Inteligência da Máquina da NaturezaOs neurocientistas computacionais do Sandia National Laboratories, Brad Theilman e Brad Aimone, introduziram 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 os sistemas neuromórficos podem lidar com essas equações de forma eficiente. O 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 críticas.

A pesquisa foi financiada pelo Escritório de Ciência do Departamento de Energia por meio dos programas de Pesquisa em Computação Científica Avançada e Ciências Básicas de Energia, bem como pelo programa de Simulação e Computação Avançada da Administração Nacional de Segurança Nuclear.

Resolvendo equações diferenciais parciais com hardware semelhante ao cérebro

Equações diferenciais parciais são essenciais para simular sistemas do mundo real. Eles são usados ​​para prever o tempo, 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 maneiras que se assemelham ao funcionamento do cérebro.

“Estamos apenas começando a ter sistemas computacionais que podem exibir um comportamento semelhante ao inteligente. Mas eles não se parecem em nada com o cérebro, e a quantidade de recursos que requerem 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 lidar com problemas matematicamente rigorosos, como os PDEs, que normalmente são tratados por supercomputadores de grande escala.

Aimone e Theilman não ficaram surpresos com o resultado. Eles argumentam que o cérebro humano realiza rotineiramente cálculos altamente complexos, mesmo que as pessoas não tenham consciência disso.

“Escolha qualquer tipo de tarefa de controle motor – como acertar uma bola de tênis ou golpear uma bola de beisebol”, disse Aimone. “Esses são cálculos muito sofisticados. São problemas de nível exaescala que nossos cérebros são capazes de resolver de maneira muito barata.”

Computação com eficiência energética 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 em todo o complexo de armas nucleares consomem grandes quantidades de eletricidade para simular a física dos sistemas nucleares e outros cenários de alto risco.

A computação neuromórfica pode fornecer uma maneira de reduzir significativamente o uso de energia e, ao mesmo tempo, oferecer um forte desempenho computacional. Ao resolver PDEs de maneira inspirada no cérebro, esses sistemas sugerem que grandes simulações poderiam ser executadas usando muito menos energia do que os supercomputadores convencionais exigem.

“Você pode resolver problemas reais de física com computação semelhante à do cérebro”, disse Aimone. “Isso é algo que você não esperaria porque a intuição das pessoas segue o caminho oposto. E, na verdade, essa intuição muitas vezes está errada.”

A equipe prevê que os supercomputadores neuromórficos eventualmente se tornarão centrais 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 de perto a estrutura e o comportamento das redes corticais.

“Baseamos nosso circuito em um modelo relativamente bem conhecido no mundo da neurociência computacional”, disse Theilman. “Mostramos que o modelo tem uma ligação natural, mas não óbvia, com os PDEs, e essa ligação não foi feita até agora – 12 anos após a introdução do modelo.”

Os investigadores acreditam que este trabalho pode ajudar a conectar a neurociência com a matemática aplicada, oferecendo uma nova compreensão de como o cérebro processa a informação.

“As doenças do cérebro podem ser doenças da computação”, disse Aimone. “Mas ainda não temos uma compreensão sólida de como o cérebro realiza cálculos.”

Se essa ideia se provar correta, a computação neuromórfica poderá um dia contribuir para uma melhor compreensão e tratamento de doenças neurológicas como Alzheimer e Parkinson.

Construindo a próxima geração de supercomputadores

A computação neuromórfica continua sendo um campo emergente, 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 o que esta tecnologia pode alcançar.

“Se já mostramos que podemos importar este algoritmo matemático aplicado relativamente básico, mas fundamental, para o neuromórfico – existe uma formulação neuromórfica correspondente para técnicas matemáticas aplicadas ainda mais avançadas?” Theilman disse.

À medida que o desenvolvimento continua, os pesquisadores estão otimistas. “Temos um passo no caminho para a compreensão das questões científicas, mas também temos algo que resolve um problema real”, disse Theilman.