A inteligência artificial avança rapidamente, mas o consumo de energia de centros de dados cresce junto. Modelos maiores e operações constantes elevam custos financeiros e impactos ambientais.
Uma linha promissora para frear esse ritmo é a computação neuromórfica, que busca imitar o cérebro para tornar os sistemas computacionais mais rápidos e eficientes. O objetivo é reduzir consumo sem perder desempenho.
Pesquisadores da University of Cambridge, no Reino Unido, publicaram na Science Advances um novo memristor que pode diminuir o consumo energético de IA em mais de 70%. A tecnologia também promete menor aquecimento de chips.
Esse avanço utiliza um material baseado em óxido de hafnio, enriquecido com estrôncio e titânio, que permite controlar a passagem de corrente com precisão usando correntes muito menores. O desgaste por filamentos condutores é reduzido.
O que é memristor
O memristor é um componente que funciona de modo semelhante às sinapses do cérebro, armazenando e processando dados no mesmo lugar, ao contrário da arquitetura tradicional.
O estudo mostra que esse dispositivo pode aprender, manter informações e suportar atualizações, características-chave para sinapses artificiais em hardware de IA avançado.
A pesquisa indica que os materiais utilizados já são compatíveis com a fabricação de chips existente, o que facilita a adoção industrial. O principal desafio é ajustar a temperatura de produção.
Desafios e impactos
Em testes de laboratório, o memristor demonstrou estabilidade e maior vida útil, o que favorece aplicações práticas. A implementação ainda depende de melhorias no processo de fabricação.
Especialistas ressaltam que a tecnologia não substitui as abordagens atuais, mas amplia o conjunto disponível para projetar IA mais sustentável. Estudos adicionais devem esclarecer escalabilidade.
Entre na conversa da comunidade