Computação de reservatório
A computação de reservatório tem sido apontada como uma das melhores ferramentas para lidar com os gargalos para o aumento de velocidade dos computadores atuais e com a crescente demanda dos aplicativos de inteligência artificial.
Em termos bem simples, a abordagem consiste em inserir as informações nas redes neurais artificiais em tempo real, para que o modelo se altere dinamicamente e, assim, se adapte, sem que seja necessário recomeçar do zero em novas etapas de treinamento.
Essa vertente já fez demonstrações impressionantes, como adivinhar as palavras antes que você fale, e, também surpreendentemente, já foi demonstrada até mesmo em microprocessadores mecânicos.
Computação eletroquímica
Uma equipe de várias universidades japonesas se uniu para fazer uma outra demonstração da computação de reservatório também usando uma plataforma alternativa.
Vários sistemas dinâmicos não-lineares, de processos operando segundo a mecânica quântica até componentes ópticos de laser, têm sido aventados como reservatórios. Shaohua Kan e seus colegas optaram por explorar a condutância iônica de soluções eletroquímicas – em outras palavras, eles colocaram um líquido para fazer computação.
“Nosso dispositivo de teste simples consiste em 90 pares de eletrodos planares com uma solução iônica lançada em sua superfície”, explicou o professor Megumi Kasaya, da Universidade de Osaka. “A tensão de resposta à tensão de entrada é então usada como a resposta do reservatório.”
Essa resposta na forma de uma tensão elétrica se deve tanto às correntes iônicas que passam pela solução, quanto à corrente eletroquímica. Essa relação entrada-saída é não-linear e reproduzível, o que a torna adequada para uso na computação de reservatórios.
Alimentação avante
Os pesquisadores usaram o aparelho para avaliar dois líquidos: Uma solução de polioxometalato e água deionizada.
O sistema apresentou uma “conexão antecipada” – ou alimentação avante – entre os nós, independentemente de qual amostra foi usada – a alimentação avante é o contrário do tradicional feedback, ou retroalimentação, referindo-se ao fato de que o sistema é gerido pela antecipação de seus próprios resultados.
No entanto, houve diferenças: “A solução de polioxometalato aumentou a diversidade da corrente de resposta, o que a torna boa para prever sinais periódicos,” disse Kasaya. “Mas acontece que a água deionizada é melhor para resolver problemas não-lineares de segunda ordem.”
O bom desempenho dessas soluções demonstra seu potencial para tarefas mais complicadas, como reconhecimento de fontes manuscritas, reconhecimento de palavras isoladas e outras tarefas de classificação, escreveu a equipe.
De fato, a simplicidade desse sistema abre novas oportunidades para o desenvolvimento de sistemas computacionais baseados em reações eletroquímicas iônicas. Os pesquisadores acreditam que a transferência de prótons ou íons, com reações eletroquímicas mínimas de curta duração, tem o potencial para ser usada como um sistema computacional poderoso, de baixo custo e grande eficiência energética, economizando a eletricidade hoje gasta nos sistemas de inteligência artificial.
