Um computador menor, mais leve e com maior eficiência energética, pode ajudar a economizar peso e energia para drones e veículos autônomos, com implicações para veículos autônomos de forma mais ampla. O controlador autônomo tem um dos menores requisitos de energia relatados, de acordo com o estudo publicado na Science Advances. Ele opera com meros 12,5 microwatts — na faixa de um marcapasso. Em seus testes, um robô rolante usando o controlador foi capaz de perseguir um alvo ziguezagueando por um corredor com a mesma velocidade e precisão de um controlador digital convencional. Em um segundo teste, com um braço de alavanca que se reposicionava automaticamente, o novo controlador se saiu tão bem quanto.
“Este trabalho apresenta um dispositivo nanoeletrônico inovador projetado para revolucionar plataformas de hardware que podem computar eficientemente com arquiteturas de rede neural”, disse Xiaogan Liang, professor de engenharia mecânica da Universidade do Michigan e autor correspondente do estudo. “Essas plataformas com eficiência energética e de recursos abrem caminho para o avanço da miniaturização de sistemas robóticos e veículos.” A alta eficiência e miniaturização são especialmente importantes para aplicações como drones e veículos espaciais, nos quais tanto o peso quanto a energia são escassos. No entanto, veículos autônomos convencionais também podem se beneficiar da tecnologia. Um bilhão de horas de condução de veículos autônomos por ano pode consumir mais energia do que os data centers atuais combinados em todo o mundo, de acordo com pesquisas anteriores.
A computação analógica, praticamente abandonada em favor do menor consumo de energia e da maior precisão da digital, pode parecer uma heroína improvável, mas um elemento de circuito relativamente novo está mudando o jogo. O memristor ( um componente eletrônico passivo de dois terminais que mantém uma função não-linear entre corrente e tensão), proposto em 1971 e demonstrado pela primeira vez em 2008, armazena informações em sua resistência a correntes elétricas. Quando é exposto a uma voltagem, ele reduz a quantidade de resistência que imporá ao próximo sinal. Alguns memristor podem esquecer sinais anteriores ao longo do tempo e retornar à sua resistência original, um comportamento semelhante ao relaxamento em neurônios. Este é o tipo que a equipe de Liang construiu.
Como elas já funcionam muito como redes neurais, as redes de memristor computam redes neurais artificiais muito mais eficientemente do que os computadores convencionais baseados em transistores. Além disso, para sensores e atuadores que são analógicos, manter o processamento analógico economiza os custos de energia da conversão de sinais entre analógico e digital.
A equipe construiu seus circuitos de memristor esfregando um braço com ponta de ouro, de aproximadamente 30 mícrons (0,03 milímetros) de diâmetro, em um chip de silício — como esfregar um balão no seu cabelo para que ele grude em uma parede com eletricidade estática. As cargas elétricas então guiaram o seleneto de bismuto vaporizado para se acumular ao longo de oito linhas cruzadas de cerca de 15 nanômetros (0,000015 milímetros) de espessura, dispostas de forma semelhante a um jogo da velha. Eles então banharam eletrodos de titânio e ouro nas extremidades de cada linha.
Eles injetaram sinais através de um eletrodo e os leram em cinco eletrodos do outro lado do chip, cada um representando um neurônio. No estudo, os dados da câmera do robô rolante tiveram que ser convertidos em sinais analógicos em um processador de silício antes de passar pela rede de memristor. O processador de silício então converteu a saída em instruções de controle que permitiram que o robô seguisse um painel retangular vermelho por um corredor da universidade.
Da mesma forma, para o braço de alavanca, os dados sobre a posição do braço foram para a rede do memristor por meio de um processador de silício, e ele produziu as bases das instruções para executar o rotor do drone conectado para levantar o braço até a posição correta. “Dispositivos como o nosso poderiam permitir que robôs tivessem comportamentos intuitivos como seres humanos, da mesma forma que você pode tocar em água muito quente e puxar sua mão para trás. A resposta de controle pode ser menos precisa, mas pode ser muito rápida”, disse Mingze Chen, um recém-formado Ph.D. em engenharia mecânica.
“Computação de ponta significa que a informação não precisa viajar para um centro de dados para processamento, como os nervos e músculos em nossa mão e braço podem reagir sem enviar a informação para nossos cérebros. A computação de ponta pode ser mais rápida, com menor consumo de energia, porque não gastamos tempo e energia transmitindo dados.” A pesquisa é financiada pela National Science Foundation. A equipe solicitou proteção de patente com a assistência da UM Innovation Partnerships e está buscando parceiros para levar a tecnologia ao mercado.
