O cérebro humano é a estrutura mais inexplorada do universo. 100 bilhões de neurônios transmitem uns aos outros impulsos nervosos com diferentes amplitudes e frequências de 100 trilhões de sinapses. Usando este sistema, aprendemos e resolvemos muitos problemas com a velocidade da luz. A equipe de engenheiros do Instituto de Tecnologia de Massachusetts criou uma sinapse artificial, desprovida de uma das principais desvantagens das amostras existentes - a imprevisibilidade do movimento de íons.

Em 1906, o Prêmio Nobel de Medicina foi concedido pelo trabalho sobre a estrutura do sistema nervoso e classificação das células nervosas por
Camillo Golgi e
Santiage Ramón i Cahal . Cientistas e médicos nos últimos cem anos conseguiram aprender muito sobre o sistema nervoso humano e o cérebro, mas até agora nem todas as perguntas têm respostas. Particularmente significativas foram as descobertas feitas como parte do
Projeto Cérebro Humano, usando os mais recentes avanços tecnológicos no campo da microscopia eletrônica e 3D.
No cérebro, os neurônios são conectados por axônios - uma espécie de cabo elétrico. Os impulsos nervosos ao longo dos axônios passam por
sinapses com a ajuda de mediadores químicos, de maneira elétrica, na qual os íons passam de uma célula para outra e se misturam quando uma transmissão química aumenta o mecanismo elétrico.
Transmissão de impulso entre dois neurônios. Departamento de Saúde dos EUAOs cientistas que trabalham no campo da
computação neuromórfica estão tentando criar um computador que funcione de maneira semelhante ao cérebro humano. Em vez de cálculos binários com uns e zeros, eles tentam usar elementos que transmitem sinais "analógicos" usando várias "tonalidades", como no cérebro humano, onde o sinal depende do número de íons que passam pela sinapse. Se os computadores modernos são adequados para resolver equações e executar algoritmos, então, no caso de interação com o ambiente, eles não conseguem demonstrar a eficiência disponível para o cérebro humano: em 2012, o Google criou uma rede neural para reconhecer gatos usando
1000 servidores e 16 mil núcleos . Pequenos chips neuromórficos serão capazes de executar simultaneamente milhões de cálculos dos quais apenas os supercomputadores são capazes atualmente.
Ao criar chips neuromórficos para simular uma sinapse, os materiais amorfos são mais frequentemente usados. Os íons que passam por eles têm muitas direções para o movimento. Essa é a dificuldade: por causa disso, é impossível prever exatamente para onde o sinal irá e quantos íons serão perdidos ao longo da estrada.
Engenheiros do Instituto de Tecnologia de Massachusetts
projetaram uma sinapse artificial em que podiam controlar a direção do sinal elétrico que passava por ele. Em vez de materiais amorfos, os cientistas usaram
silício monocristalino , no qual tentavam criar um defeito pelo qual os íons podiam passar previsivelmente. Um padrão microscópico na forma de favos de mel foi aplicado a uma bolacha de silício. Uma camada de germânio com um padrão semelhante foi aplicada a esta placa. Esses dois materiais juntos formam um "funil", que faz com que os íons fluam por um caminho estritamente definido.
Em seguida, os cientistas testaram a eficácia da invenção: quase o mesmo fluxo de íons passou por cada sinapse. A diferença entre as sinapses era de até 4% e, ao testar uma sinapse por 700 ciclos, a mudança na corrente de passagem era de 1% de um ciclo para outro. Segundo os desenvolvedores, esses resultados ainda não foram alcançados em sinapses construídas com base em materiais amorfos.
O teste final para o desenvolvimento foi a tarefa de reconhecimento de manuscrito. A equipe de cientistas realizou uma simulação em computador de uma rede neural artificial de três camadas de neurônios, interconectadas por duas camadas de sinapses artificiais, cujas características foram originalmente medidas a partir do chip que construíram. O modelo foi carregado com dezenas de milhares de amostras de caligrafia que geralmente são usadas pelos desenvolvedores de chips neuromórficos. A rede neural reconheceu as amostras em 95% dos casos, um pouco pior que a precisão de 97% dos algoritmos de software existentes. O próximo objetivo da equipe é criar um chip neuromórfico funcional que possa repetir o experimento realizado usando simulação.
"Queremos que um chip do tamanho de uma unha substitua um grande supercomputador", diz o chefe da equipe de engenharia.