Investigadores do LANL (Los Alamos National Laboratory) anunciam ter conseguido produzir um ‘spin glass’ que consiste em nano-ímanes dispostos de forma a replicar uma rede neural. O ‘spin glass’ é uma rara forma de matéria e o conceito já foi aplicado anteriormente em modelos teóricos que descrevem o funcionamento do cérebro. Esta é a primeira vez que esta forma de matéria surge fisicamente e a replicar um algoritmo de IA.
O sistema do LANL envolve ímanes que ‘descobrem’ uma complexa configuração de alinhamento e desalinhamento entre si, com um mínimo de energia dispendida. Os ímanes são constituídos por finas camadas de ferro e níquel que atuam como magnetos, alternando os polos para gastar o mínimo de energia e são colocados de forma a corresponder com a estrutura de interações de uma rede neural, explica o IEEE.
A equipa, coordenada por Michael Saccone, criou a rede assente no modelo Hopfield de redes neurais que consiste em estados de neurónios definidos como ativos (valor 1) ou inativos (valor -1). Os neurónios aqui, no modelo Hopfield, olham para os valores uns dos outros e dependendo das suas ligações de inibição ou excitação, ‘decidem’ em que estado querem ficar no próximo passo. O conceito de memória associativa surge como fulcral neste tipo de soluções, porque é o que permite que a rede seja capaz de ligar dois ou mais padrões relacionados com um objeto. Na prática, isto significa que, por exemplo, se o sistema receber como input uma imagem parcial de um rosto, é capaz de se lembrar e fazer a reconstituição completa da face. Desta forma, o sistema não necessita de condições ideais de cenário para identificar uma memória, podendo fazê-lo com base em informação parcial.
Saconne explica que a abordagem da equipa de colocar hardware a servir de software, ou seja, fazer com que o algoritmo de IA assuma uma forma física, implica “mapear as funções de energia umas nas outras. Simplesmente, o estado de energia mais baixo no nosso sistema físico representa uma solução para outro problema análogo”. As vantagens passam por um baixo custo para movimentar informação e a paralelização inerente. Do lado das desvantagens, é mais difícil programar para este tipo de sistemas e a interface software-para-hardware não é padronizada.
A arquitetura física do algoritmo de nano-ímanes é complexa, com a informação a fluir constantemente e em todas as direções, em vez de ter uma abordagem de input para output passo a passo. “Isto demora algum tempo para um algoritmo sequencial simular, mas num sistema físico não há custo para a paralelização inerente (…) É o universo a fazer as suas coisas”, explica Saccone.
