Os novilhos de computador do cérebro rolam robôs com 0,25% da energia necessária para os controladores convencionais

Um computador menor, mais leve e mais eficiente em termos de energia, demonstrado na Universidade de Michigan, poderia ajudar a economizar peso e energia para drones e rovers autônomos, com implicações para veículos autônomos de maneira mais ampla.

O controlador autônomo tem entre os menores requisitos de energia relatados, de acordo com o estudo publicado em Avanços científicos. Opera em meros 12,5 microwatts – no estádio de um marcapasso.

Nos testes, um robô rolante usando o controlador conseguiu perseguir um zig-zagging de alvo em um corredor com a mesma velocidade e precisão que em um controlador digital convencional. Em um segundo teste, com um braço de alavanca que se reposicionou automaticamente, o novo controlador também fez.

“Este trabalho apresenta um dispositivo nanoeletrônico inovador projetado para revolucionar as plataformas de hardware que podem calcular com eficiência com arquiteturas de rede neural”, disse Xiaogan Liang, professor de engenharia mecânica e autor correspondente do estudo.

“Essas plataformas eficientes em termos de energia e recursos abrem caminho para avançar a miniaturização de sistemas e veículos robóticos”.

Alta eficiência e miniaturização são especialmente importantes para aplicações como drones e espaciais, nos quais o peso e a energia são de prêmio. No entanto, veículos autônomos convencionais também podem se beneficiar da tecnologia. Um bilhão de horas de tempo de condução de veículos autônomos por ano pode consumir mais energia do que os data centers atuais combinados em todo o mundo, de acordo com pesquisas anteriores.

A computação analógica, praticamente abandonada pelo menor consumo de energia e maior precisão do digital, pode parecer um herói improvável – mas um elemento de circuito relativamente novo está mudando o jogo.

O memristor, proposto em 1971 e demonstrado pela primeira vez em 2008, armazena informações em sua resistência a correntes elétricas. Quando for exposto a uma tensão, reduz a quantidade de resistência que impõe ao próximo sinal. Alguns memristores podem esquecer sinais anteriores ao longo do tempo e retornar à sua resistência original, um comportamento semelhante ao relaxamento nos neurônios. Este é o tipo que a equipe de Liang construiu.

Como eles já funcionam muito parecidos com redes neurais, as redes MEMRISTORs computam redes neurais artificiais com muito mais eficiência do que os computadores convencionais baseados em transistor. Além disso, para sensores e atuadores que são analógicos, manter o processamento analógico salva os custos de energia da conversão de sinais entre analógico e digital.

A equipe construiu seus circuitos de Memristor na instalação de nanofabricação de Lurie na UM, esfregando um braço com ponta de ouro, aproximadamente 30 mícrons (0,03 milímetros) de diâmetro, em um chip de silício-como esfregar um balão no seu cabelo, para que se atenda a uma parede com eletricidade estática.

As cargas elétricas guiaram o seleneto de bismuto vaporizado para se acumular ao longo de oito linhas cruzadas de cerca de 15 nanômetros (0,000015 milímetros) de espessura, dispostos semelhantes a uma placa de tique-tac-toe. A equipe então plaou em eletrodos de titânio e ouro nas extremidades de cada linha.

Eles injetaram sinais através de um eletrodo e os leram em cinco eletrodos do outro lado do chip, cada um representando um neurônio. No estudo, os dados da câmera do robô rolante tiveram que ser convertidos em sinais analógicos em um processador de silício antes de percorrer a rede Memristor. O processador de silício converteu a saída em instruções de controle que permitiam ao robô seguir um painel retangular vermelho por um corredor da universidade.

Da mesma forma, para o braço da alavanca, os dados sobre a posição do braço entraram na rede Memristor através de um processador de silício e produziu os fundamentos das instruções para executar o rotor do drone anexado para levantar o braço na posição correta.

“Dispositivos como os nossos podem permitir que os robôs tenham comportamentos intuitivos como seres humanos, a maneira como você pode tocar em água muito quente e puxar sua mão para trás. A resposta de controle pode ser menos precisa, mas pode ser muito rápida”, disse Mingze Chen, um Ph.D. recente. Graduado em Engenharia Mecânica.

“Computação de borda significa que as informações não precisam viajar para um data center para processamento, como os nervos e os músculos na mão e no braço, podem reagir sem enviar as informações ao nosso cérebro. A computação de arestas pode ser mais rápida, com menor consumo de energia, porque não gastamos tempo e energia na transmissão de dados”.