Em 1971, o engenheiro eletricista filipino Leon Chua previu a existência de um componente eletrônico passivo, capaz de “lembrar” quanta corrente havia passado por ele mesmo após ser desligado. Ele o chamou de memristor, contração de memory resistor. Passaram-se 37 anos até que a Hewlett-Packard (HP) construísse o primeiro protótipo concreto, em 2008. Hoje, pesquisadores no Brasil transformam essa ideia em algo ainda mais ambicioso: chips que, além de processar informação, também “aprendem”, imitando mecanismos de memória do cérebro humano em silício e em óxidos metálicos.

A chamada computação neuromórfica é promissora. Enquanto o cérebro humano consome cerca de 20 watts (W) – algo parecido com uma lâmpada comum – processando informações com eficiência que nenhum supercomputador atual replica, inteligências artificiais de última geração demandam energia equivalente à de cidades inteiras e ocupam galpões com servidores refrigerados. Uma das principais diferenças é de arquitetura: enquanto computadores convencionais separam processamento de armazenamento, o cérebro faz as duas coisas no mesmo lugar, no nível das sinapses, onde os neurônios se conectam.

Os memristores prometem superar esse gargalo. “A vantagem genérica de dispositivos com memória é a capacidade de fazer operações lógicas e armazenar os resultados no mesmo espaço”, explica o físico cubano Victor Lopez-Richard, do Departamento de Física da Universidade Federal de São Carlos (UFSCar). “Isso reduz a necessidade de interconectores, diminui o tamanho do dispositivo e, consequentemente, o consumo de energia.”

Imitando neurônios

A cada disparo de um neurônio, a conexão com o neurônio seguinte pode se fortalecer ou enfraquecer – fenômeno conhecido como plasticidade sináptica. Em um dos tipos mais estudados desse processo, conexões neurais que disparam repetidamente em sequência tendem a se fortalecer, contribuindo para a formação de determinadas memórias e para o aprendizado. Os memristores replicam esse comportamento ao alterar sua resistência elétrica em resposta aos pulsos recebidos.

Para explicar esse funcionamento, o físico Marcio Peron Franco de Godoy, também da UFSCar, recorre ao cotidiano: “Quando fecho uma porta, dali a segundos posso esquecer se a tranquei ou não. Mas eu não esqueço o nome da minha mãe. Isso é uma memória de longa duração – algo que pode ser emulado com dispositivos memristores.”

A analogia com a biologia, porém, tem limites que Lopez-Richard faz questão de demarcar. “Nossos dispositivos não reproduzem sinapses, propriamente, porque não transportam íons, mas elétrons que se armazenam em certos lugares. Em termos metafóricos, é um processo semelhante.”

O resultado mais recente da pesquisa de Lopez-Richard, que conta com financiamento da FAPESP, vai além dos memristores convencionais: um transístor polimorfo que é capaz de assumir diferentes funções – transistor, capacitor ou memristor –, dependendo da configuração do circuito. Em artigo publicado na Nature Communications em abril, Lopez-Richard e colaboradores mostram que, na prática, o mesmo componente realiza cálculos e aprende com os padrões dos dados que processa. “A gente ensina o dispositivo a reconhecer um padrão e depois apresenta outros padrões que, em princípio, ele poderia ajudar a reconhecer”, descreve. Outra vantagem: o dispositivo opera à temperatura ambiente, sem necessidade de resfriamento extremo. “A ideia é criar dispositivos que funcionem em condições normais, sem necessidade de criogenia e com baixo consumo de energia.”