Nanotecnologia pelos especialistas

Hardware de computação inspirado no cérebro está surgindo como uma alternativa aos chips de semicondutores de óxido metálico de complementaridade de silício para lidar com a crise energética da geração e processamento de dados digitais em rápido crescimento. Memórias não voláteis convencionais podem realizar computação em memória altamente paralelizada em redes neurais, mas lhes falta a adaptabilidade e a reconfigurabilidade que são atributos chave dos sistemas biológicos de baixa energia. Para tanto, dispositivos neuromórficos baseados em nanomateriais de baixa dimensionalidade incorporam aprendizado sintonizável bio-realista, variáveis de estado acopladas, respostas não lineares e arquiteturas multiterminais de sinapses. Nesta Palestra de Destaque, Sangwan defende o uso de nanomateriais bidimensionais (2D) para hardware neuromórfico, traçando paralelos entre as propriedades fundamentais, fatores de forma e funcionalidades necessárias em sinapses, neurônios e arquiteturas de rede artificiais. Como alguns exemplos, MoS₂Memtransistores exibem aprendizado sináptico bio-realista em arrays de crosspoint escaláveis para redes neurais dinâmicas de alta dimensão. Ferroelectricidade anômala em transistores sinápticos de grafeno em bicamada com padrão moiré atinge um aprendizado adaptativo sem precedentes. Transistores heterojunção Gaussianos de dimensão mista, auto-alinhados e com portão duplo não apenas realizam comportamento de disparo complexo, mas também possibilitam hardware de baixo consumo para algoritmos de aprendizado de máquina em edge computing.