Computador termodinâmico se alimenta do ruído e do calor

Computação termodinâmica

Computadores geram calor e, mais do que um indicador de ineficiência energética, esse calor atrapalha o funcionamento dos componentes eletrônicos clássicos e até inviabilizar o funcionamento dos computadores quânticos, que precisam operar em regimes próximos ao zero absoluto.

A saída pode estar nos computadores termodinâmicos, uma arquitetura alternativa de computação que usa justamente o ruído termal – aquele calor chato que atrapalha tudo – como fonte de energia.

“A computação termodinâmica é alimentada por ruído,” disse Stephen Whitelam, do Laboratório Nacional Lawrence Berkeley, nos EUA. “A premissa da computação termodinâmica é que, se você pegar um dispositivo físico com uma escala de energia comparável à da energia térmica e deixá-lo em repouso, ele mudará de estado ao longo do tempo, impulsionado por flutuações térmicas. O objetivo é programá-lo para que essa evolução temporal faça algo útil. A computação clássica e a quântica combatem o ruído; a computação termodinâmica é alimentada por ele.”

Como nada é desperdiçado, isso reduz drasticamente a quantidade de energia externa necessária para realizar os cálculos e permite a operação em temperatura ambiente, ao contrário dos computadores quânticos. Dessa forma, a computação termodinâmica é um exemplo de microeletrônica que vai além da Lei de Moore e de uma computação de baixo consumo de energia.

IA termodinâmica

A ideia não é original, mas dois desafios principais têm impedido a computação termodinâmica de decolar como uma estrutura prática. Primeiro, os computadores termodinâmicos já construídos foram projetados para realizar cálculos em equilíbrio termodinâmico, o que significa que é necessário esperar que o computador atinja sua configuração de menor energia antes de ser possível realizar um cálculo. Mesmo que o estado fundamental de um sistema esteja bem definido, o tempo necessário para atingir o equilíbrio é imprevisível, podendo ser longo demais para ser prático no uso computacional cotidiano.

Segundo, a gama de cálculos que podem ser realizados usando computação termodinâmica tem-se limitado à resolução de problemas de álgebra linear. Para que a computação termodinâmica seja útil para uso geral os sistemas também precisarão ser capazes de resolver cálculos não-lineares.

É aí que Whitelam e seu colega Corneel Casert, do Laboratório Nacional Lawrence Berkeley, nos EUA, têm uma contribuição a dar: Usando simulações digitais para demonstrar que cálculos não-lineares, como os realizados pelas redes neurais da inteligência artificial, são de fato possíveis usando computadores termodinâmicos que não operam em equilíbrio, eles traçaram um roteiro que supera os dois obstáculos de uma vez só.

Para isso, basta construir o computador termodinâmico usando componentes que sejam eles próprios não-lineares. Isso torna possível treinar o computador para realizar cálculos não-lineares em momentos específicos, independentemente do seu estado de equilíbrio, ou seja, não é necessário esperar pelo equilíbrio.

Além disso, o conjunto de algoritmos termodinâmicos pode ser expandido para cobrir os mesmos tipos de problemas complexos e não-lineares que uma rede neural consegue resolver, o que significa que a computação termodinâmica pode ser uma ferramenta adequada para cargas de trabalho de aprendizado de máquina, que até agora estavam além de suas capacidades.

Neurônio termodinâmico

As simulações trouxeram resultados inéditos, mas a demanda atual da inteligência artificial coloca em destaque a descoberta de que essa arquitetura alternativa de computação pode ser útil nessa área.

“Um circuito termodinâmico não-linear pode se comportar como um neurônio em uma rede neural,” explicou Whitelam. “A não-linearidade é o que dá a uma rede neural seu poder expressivo. Nosso raciocínio foi que, se você construir esses neurônios termodinâmicos em uma estrutura conectada, essa estrutura deverá ter o poder expressivo para imitar uma rede neural e, assim, ser capaz de realizar aprendizado de máquina.”

O desafio, então, passa a ser treinar um sistema desse tipo. Um computador termodinâmico é um sistema estocástico, o que significa que não há duas execuções idênticas, e os métodos usados para treinar redes neurais digitais não se aplicam.

Mas Whitelam e Casert também encontraram uma solução para esse problema usando uma estrutura conhecida como algoritmo genético: Começando com um conjunto de diferentes redes neurais termodinâmicas e avaliando a eficácia de cada uma, a dupla selecionou as de melhor desempenho e as modificou, adicionando ruído aleatório aos seus parâmetros, e rodou novamente as avaliações. Testes envolvendo mais de um trilhão de execuções mostraram que treinar o computador termodinâmico é consideravelmente mais pesado do que treinar redes digitais, mas viabiliza a criação de um computador termodinâmico que pode operar consumindo muito pouca energia após ser construído e treinado.

“É uma forma muito diferente de otimizar uma rede neural. Treinar uma rede neural termodinâmica por meio de simulação digital é caro, mas, uma vez treinada e construída como hardware físico, podemos realizar inferências nesse hardware com um custo de energia muito baixo,” disse Casert.

Agora, a dupla está procurando parceiros na área de engenharia para tornar realidade tanto o hardware quanto o software que eles projetaram, dando mais alguns passos rumo à exploração das possibilidades da computação termodinâmica.