Ag/Al₂O₃/ITO memristor for honeybee-inspired associative learning, behavioral emulation, and conductance-constrained flower classification

Nos cantos tranquilos do mundo natural, a abelha melífera oferece uma aula magistral de aprendizado. Esses insetos não simplesmente reagem ao seu ambiente; eles constroem associações complexas entre o que sentem e o que recebem. Uma abelha aprende a associar um aroma ou cor específica com uma recompensa doce, ajustando seu comportamento com base na experiência passada. Essa capacidade depende das sinapses do cérebro, as minúsculas junções entre células nervosas que se fortalecem ou enfraquecem conforme o animal aprende e memoriza. Por décadas, cientistas têm buscado construir dispositivos eletrônicos que mimetizem essa flexibilidade biológica, esperando criar computadores que aprendam como seres vivos em vez de apenas calcular números. A chave para essa mimetização reside em um componente chamado memristor, um tipo de interruptor eletrônico que lembra quanta eletricidade passou por ele. Ao contrário dos interruptores padrão que são simplesmente ligados ou desligados, um memristor pode se estabelecer em muitos estados diferentes de resistência, mudando seu comportamento com base em seu histórico, muito parecido com a forma como uma sinapse muda sua força com base na atividade passada.

Uma equipe de pesquisadores da Universidade de Ningbo demonstrou agora que um dispositivo eletrônico único e simples pode replicar vários desses comportamentos biológicos sofisticados, desde a memória básica até a tomada de decisão complexa. Eles construíram um componente minúsculo usando camadas de prata, óxido de alumínio e um vidro condutivo, criando uma estrutura que responde a pulsos elétricos de maneiras que se assemelham de perto ao processo de aprendizado de uma abelha melífera. Ao controlar cuidadosamente o fluxo de eletricidade, os cientistas mostraram que este dispositivo poderia ser treinado para associar dois sinais diferentes, esquecer uma lição e, então, reaprendê-la mais rapidamente. Ele poderia até imitar diferentes níveis de alerta, alternando entre estados que representam sono, sonolência e vigília. Mais significativamente, os pesquisadores provaram que os estados elétricos específicos criados por este dispositivo poderiam ser usados para resolver um problema do mundo real: identificar diferentes tipos de flores em uma fotografia. O dispositivo não apenas simulou o processo de aprendizado; ele realizou o trabalho real de uma rede neural, classificando imagens com uma precisão quase idêntica à de um programa de computador padrão.

O próprio dispositivo é uma pequena pilha vertical de materiais, aproximadamente a largura de um fio de cabelo humano. Na base, encontra-se uma camada de vidro condutivo, seguida por uma fina película de óxido de alumínio e coroada com uma camada de prata. Quando os pesquisadores aplicaram uma voltagem à camada superior de prata, observaram uma mudança física fascinante. Os átomos de prata se fragmentaram em íons e derivaram através da camada isolante de óxido de alumínio, eventualmente formando uma ponte condutora minúscula ou filamento que conectou o topo e a base. Este filamento atua como um fio que pode crescer mais grosso ou mais fino dependendo de quanta corrente é permitida fluir. Quando a corrente é restrita, o filamento permanece fino e o dispositivo resiste à eletricidade. Quando a corrente é permitida a fluir mais livremente, o filamento cresce mais grosso, tornando mais fácil a passagem da eletricidade. Este crescimento e encolhimento físico da ponte de prata é o que permite ao dispositivo lembrar seu passado, já que o tamanho do filamento determina como o dispositivo responderá a sinais futuros.

Para testar se esse mecanismo simples poderia imitar o aprendizado complexo de uma abelha, os pesquisadores aplicaram uma série de pulsos elétricos ao dispositivo. Eles descobriram que o dispositivo poderia ser feito para aumentar gradualmente sua condutividade, semelhante a como uma sinapse se fortalece durante o aprendizado, ou diminuí-la, mimetizando o enfraquecimento de uma memória. Eles também observaram que, se dois pulsos fossem enviados em sucessão rápida, o segundo pulso produziria uma resposta mais forte do que o primeiro, um fenômeno conhecido como facilitação de pulso pareado, que é comum em cérebros biológicos. O dispositivo manteve esses diferentes estados por mais de 100 segundos, mostrando que poderia reter informações por um tempo significativo. Ao variar a força e o tempo dos pulsos, a equipe pôde programar o dispositivo para exibir comportamentos específicos. Eles recriaram com sucesso uma versão do condicionamento pavloviano, onde o dispositivo aprendeu a responder a um sinal fraco apenas após este ter sido pareado com um sinal mais forte, tal como um cão aprende a salivar ao som de um sino após ter sido associado à comida.

Os pesquisadores foram além ao demonstrar que o dispositivo também poderia modelar o fluxo e refluxo do aprendizado e do esquecimento. Quando pararam de estimular o dispositivo, a resposta elétrica desapareceu lentamente, representando o processo natural de esquecimento. No entanto, quando iniciaram novamente os pulsos de treinamento, o dispositivo reaprendeu o comportamento muito mais rápido do que na primeira vez, sugerindo que um traço da memória original permanecia. Eles também mapearam diferentes níveis de atividade elétrica para estados de consciência. Um pulso muito fraco produziu uma resposta baixa, que eles mapearam para um estado de sono. Um pulso moderado criou uma resposta intermediária para sonolência, e um pulso forte desencadeou uma resposta alta para vigília. Isso mostrou que uma única arquitetura de dispositivo poderia produzir uma ampla gama de comportamentos dependentes de histórico simplesmente mudando o padrão de sinais elétricos enviados a ele, sem a necessidade de alterar a estrutura física do dispositivo em si.

Finalmente, a equipe testou se esses estados elétricos aprendidos poderiam ser usados para uma tarefa prática: identificar flores. Eles pegaram um programa de computador padrão projetado para reconhecer imagens de margaridas, dentes-de-leão, rosas, girassóis e tulipas e substituíram a parte final do programa pelos estados de condutância de seu memristor. O programa usou a capacidade do dispositivo de manter diferentes níveis de resistência para representar os pesos de seu processo de tomada de decisão. Quando o sistema foi testado em um conjunto de dados de imagens de flores, alcançou uma precisão de 86,55 por cento. Este resultado foi notavelmente próximo dos 87,09 por cento de precisão alcançados pelo programa de computador padrão rodando inteiramente em software. A pequena diferença de desempenho sugere que os estados elétricos específicos e discretos disponíveis no dispositivo físico foram suficientes para capturar a informação essencial necessária para a tarefa. Esta descoberta indica que as propriedades físicas do memristor, derivadas de seu filamento de prata, podem suportar diretamente o reconhecimento de padrões complexos, unindo a lacuna entre a física bruta de um material e a inteligência de alto nível de uma rede neural.

O trabalho sugere que o caminho para uma computação mais eficiente e semelhante ao cérebro pode não exigir a construção de milhões de componentes complexos, mas sim entender como controlar um único dispositivo simples de diferentes maneiras. Ao ajustar os pulsos elétricos, a mesma estrutura Ag/Al₂O₃/ITO pode atuar como uma célula de memória, um agente de aprendizado ou um classificador. Os pesquisadores mostraram que o comportamento do dispositivo não é fixo, mas inteiramente dependente do histórico de estimulação que recebe. Essa flexibilidade permite que o hardware se adapte a diferentes tarefas, desde mimetizar o ciclo sono-vigília de um inseto até processar dados visuais. Os resultados fornecem uma demonstração concreta de que as leis físicas que regem o movimento de íons de prata em uma película fina podem ser aproveitadas para realizar tarefas que antes se pensava exigirem sistemas biológicos complexos e multicamadas. À medida que o campo da computação neuromórfica avança, este estudo oferece um exemplo claro de como materiais simples, quando guiados pelo protocolo elétrico correto, podem começar a exibir os ricos e adaptativos comportamentos encontrados na natureza.