Computadores Analógicos

Computadores analógicos estão a um passo dos digitais
Redação do Site Inovação Tecnológica - 10/12/2021


Várias empresas estão trabalhando avidamente em busca da computação analógica PIM.
[Imagem: Samsung/Divulgação]


Computação PIM

A computação digital, excepcional em sua capacidade de fazer cálculos, nos trouxe bem longe.

Mas surgiram novas necessidades para as quais os computadores digitais não estão se mostrando tão eficientes: Lidar com um volume cada vez maior de dados.

Os computadores atuais são construídos usando uma arquitetura conhecida como Von Neuman, tendo como uma de suas características principais a separação entre a memória - onde os dados são armazenados - e o processador - onde a computação real é realizada.

"Os desafios da computação hoje são intensivos em dados. Precisamos processar toneladas de dados, o que cria um gargalo de desempenho na interface do processador e na memória," explica a professora Xuan Zhang, da Universidade de Washington em St. Louis.

Assim, já está claro que precisamos de um novo tipo de hardware para essas aplicações.

E uma das alternativas mais promissoras está em um novo tipo de hardware conhecido como PIM, sigla em inglês para "processamento na memória", um paradigma de computação emergente que funde a memória e a CPU (unidade de processamento) e faz seus cálculos usando as propriedades físicas da máquina - sem necessidade dos 1s e 0s para fazer o processamento digitalmente.



A professora Zhang trabalhou em colaboração com equipes de universidades da China e de Hong Kong.
[Imagem: Weidong Cao et al. - 10.1109/TC.2021.3122905]
Em outras palavras, não é uma computação digital, é uma computação analógica.

E a equipe da professora Zhang acaba de construir um circuito PIM mais eficiente que qualquer outro já construído, quase em pé de igualdade com os processadores atuais.

Memória resistiva

A computação é essencialmente uma série de adições e multiplicações. Elas são feitas usando transistores, que basicamente são chaves liga-desliga, onde o ligado representa um 1 e o desligado representa um 0. Usando este código digital - um código binário - uma CPU pode fazer toda e qualquer aritmética necessária para fazer um computador funcionar.

O tipo de PIM no qual a equipe da professora Zhang está trabalhando usa um componente diferente, chamado "memória de acesso aleatório resistiva" (RRAM), um tipo de memoristor, o mesmo componente que vem viabilizando a criação de computadores que imitam o cérebro.

A equipe chama a arquitetura de RRAM-PIM. A principal diferença é que, enquanto em uma CPU convencional os bits são armazenados em um capacitor (com energia é 1 e sem energia é 0) em uma célula de memória, os computadores RRAM-PIM dependem de resistores especiais que se "lembram" das correntes que os percorreram antes, daí o nome "memória resistiva". Só que esses resistores conseguem se lembrar e podem ser usados para fazer os cálculos, ou seja, eles são a memória e o processador, o que traz grandes vantagens porque o dado não precisa transitar entre memória e CPU.

"Na memória resistiva, você não precisa traduzir para digital ou binário. Você pode permanecer no domínio analógico. Esta é a chave para tornar os computadores RRAM-PIM muito mais eficientes. Se você precisar somar, conecte duas correntes. Se você precisar multiplicar, você pode ajustar o valor do resistor," explica Zhang.



Os componentes ativos, que fazem o papel de processamento e memória, ficam nas interseções da matriz, fazendo os cálculos de inteligência artificial em uma única operação.
[Imagem: Politécnico de Milano]
Aproximadores neurais

Mas ninguém pretende destruir o mundo e recriá-lo do zero. Assim, em algum ponto, as informações precisam ser traduzidas em formato digital para fazer interface com as tecnologias que já usamos. E aí a RRAM-PIM apresenta seu próprio gargalo: Como converter as informações analógicas em formato digital de forma eficiente e rápida.

Foi o pesquisador Weidong Cao quem encontrou uma solução: Ele introduziu "aproximadores neurais", um tipo de rede neural que pode aproximar funções arbitrárias - dada qualquer função, o aproximador neural pode executar a mesma função, mas melhorar sua eficiência.

Na arquitetura RRAM, os memoristores não são exatamente componentes individuais interligados: Eles são criados sobrepondo minúsculas barras de dois materiais semicondutores diferentes na forma de uma treliça, sendo que cada entroncamento das barras torna-se um memoristor. E cada coluna dessa matriz produz um resultado parcial.

Para a arquitetura RRAM-PIM funcionar, uma vez que os memoristores tenham feito seus cálculos, as respostas precisam ser traduzidas em um formato digital. Isso, na prática, significa somar os resultados de cada coluna de memoristores. Cada um desses resultados parciais, por sua vez, precisa então ser convertido em informação digital, o que exige um clássico circuito ADC, sigla em inglês para conversor analógico para digital.

O problema é que essa conversão consome muita energia. E a solução é que o aproximador neural torna o processo mais eficiente.

Em vez de adicionar cada coluna uma por uma, o circuito do aproximador neural consegue realizar múltiplos cálculos - colunas descendentes, entre colunas ou da maneira que for mais eficiente. Isso exige menos ADCs e resulta em maior eficiência da computação.


Os dados não precisam transitar entre memória e processador.
[Imagem: Samsung/Divulgação]


Computação 100 vezes mais poderosa

A parte mais importante do trabalho foi determinar até que ponto é possível reduzir o número de conversões digitais acontecendo ao longo da borda externa do circuito, no final das colunas. Weidong Cao descobriu que os circuitos do aproximador neural aumentaram a eficiência próximo ao máximo teórico.

"Não importa quantas somas parciais analógicas geradas pelas colunas da matriz RRAM de barras cruzadas - 18 ou 64 ou 128 -, nós precisamos apenas de uma conversão analógica para digital," disse ele. "Usamos a implementação de hardware para atingir o limite teórico inferior."

Várias equipes, inclusive de empresas, já estão trabalhando na construção de protótipos em grande escala de computadores PIM, mas todas têm enfrentado várias dificuldades. Usar os aproximadores neurais pode eliminar o maior desses desafios - o gargalo -, provando que este novo paradigma de computação tem potencial para ser muito mais poderoso do que o atual.

"E não apenas uma ou duas vezes mais poderoso, mas 10 ou 100 vezes mais poderoso," disse Zhang.

Bibliografia:

Artigo: Neural-PIM: Efficient Processing-In-Memory with Neural Approximation of Peripherals
Autores: Weidong Cao, Yilong Zhao, Adith Boloor, Yinhe Han, Xuan Zhang, Li Jiang
Revista: IEEE Transactions on Computers
DOI: 10.1109/TC.2021.3122905

https://www.inovacaotecnologica.com.br/noticias/noticia.php?artigo=computadores-analogicos-estao-passo-digitais&id=010150211210#.YwtRPHbMK1t

Computador Analógico de um Modelo de Chua
Quadridimensional / Vinicius Fabricio Romancini Antunes.
-- 2020. 78 p.

Orientador: Holokx Abreu Albuquerque
Dissertação (mestrado) -- Universidade do Estado de
Santa Catarina, Centro de Ciências Tecnológicas, Programa
de Pós-Graduação em Física, Joinville, 2020.
1. Caos em sistemas dinâmicos. 2. Caos experimental. 3.
Circuito caótico. 4. Computação analógica. I. Albuquerque,
Holokx Abreu . II. Universidade do Estado de Santa Catarina,
Centro de Ciências Tecnológicas, Programa de
Pós-Graduação em Física. III. Título.

Neste trabalho de dissertação de mestrado, estudamos a dinâmica de um sistema de equações diferenciais de primeira ordem (EDO) não lineares, composto por quatro equações acopladas que descrevem um modelo quadridimensional do circuito de Chua.

O comportamento dinâmico deste modelo foi estudado com uma
abordagem experimental, utilizando a computação analógica no qual, através dos princípios da eletrônica analógica, construímos um circuito eletrônico com amplificadores operacionais (computador analógico) que soluciona (integra), a tempo contínuo, as EDOs do modelo. Nesta abordagem circuital, existe uma
correspondência direta entre as variáveis dinâmicas do circuito (tensões elétricas) com as variáveis do modelo.

2.2 CARACTERIZAÇÃO DA DINÂMICA CAÓTICA
Uma das principais características dos sistemas dinâmicos que apresentam comportamento caótico é a sensibilidade às condições iniciais, observadas primeiramente por Eduard Lorenz em seu modelo de EDOs para previsões meteorológicas. Ao iniciar quase do mesmo ponto inicial (duas condições iniciais muito próximas), Lorenz viu seu computador de previsões do tempo produzir
padrões que se distanciavam cada vez mais um do outro, até que toda semelhança desaparecesse [12]. Em seu artigo “Predictability: Does a flap of butterfly's wing in Brazil set off a tornado in Texas?”, Lorenz esclarece o conceito de efeito borboleta,
em que algo como o bater de asas de uma borboleta no Brasil poderia desencadear, semanas depois, um violento tornado no Texas. Isso se devia tão somente a extrema sensibilidade às condições iniciais de um sistema como o clima [13].

fonte:
https://www.udesc.br/arquivos/cct/id_cpmenu/6554/Disserta__o_Vinicius_15956223016469_6554.pdf

Leon Ong Chua


Leon Ong Chua (Filipinas, 28 de junho de 1936) é um engenheiro eletricista e cientista da computação filipino.



Obteve um PhD em 1964 na Universidade de Illinois em Urbana-Champaign, orientado por Mac Van Valkenburg.[1] Foi o primeiro a estudar as redes neurais celulares (RNCs), e deu importantes contribuições à teoria de circuitos não lineares, além de ter sido o primeiro a prever a existência do memristor (memoristor), um componente eletrônico. Por suas contribuições recebeu diversos prêmios do Instituto de Engenheiros Eletricistas e Eletrônicos (IEEE). Atualmente ensina na Universidade de Berkeley.[2]


Oscilador simples com memristor.

fonte:
https://en.wikipedia.org/wiki/Leon_O._Chua

O que é um memristor (memoristor)
https://pt.wikipedia.org/wiki/Memristor

Analógico e digital: O melhor dos dois mundos agora em um único chip

Redação do Site Inovação Tecnológica - 01/09/2023



Ao integrar perfeitamente semicondutores bidimensionais ultrafinos com materiais ferroelétricos, a pesquisa revela uma nova maneira de melhorar a eficiência energética e adicionar novas funcionalidades à computação. A nova configuração mescla a lógica digital tradicional com operações analógicas, semelhantes às do cérebro.
[Imagem: EPFL]

Computação analógica e digital

A computação analógica tem despontado como a alternativa mais viável para diminuir o consumo de energia dos computadores e criar um hardware nativo para a inteligência artificial.

Embora a IBM tenha recentemente apresentado um processador analógico para inteligência artificial, ainda há desafios para tornar essa tecnologia viável técnica e economicamente.

Engenheiros da Escola Politécnica Federal de Lausanne, na Suíça, acabam de apresentar uma nova receita para vencer esses desafios: Mesclar computação analógica com a tradicional computação digital, combinando o potencial do processamento analógico contínuo com a precisão dos processadores digitais.

Ao integrar perfeitamente semicondutores bidimensionais ultrafinos (2D) com materiais ferroelétricos, a equipe desenvolveu uma nova maneira de melhorar a eficiência energética e adicionar novas funcionalidades aos processadores, mesclando a lógica digital tradicional com operações analógicas semelhantes às do cérebro.

Os processadores analógicos podem ter vantagens em várias áreas em relação aos processadores digitais, como imitar o cérebro, fazer uma inteligência artificial autêntica ou juntar processamento e memória.

Ferroelétricos mais materiais 2D

A inovação gira em torno de uma combinação única de materiais que levam a funções inspiradas no cérebro (neuromórficas) e transistores eletrônicos avançados, incluindo o notável TFET (Transístor de Efeito de Campo de Túnel) de capacitância negativa.

Foi o pesquisador Sadegh Kamaei quem conseguiu agora, pela primeira vez, juntar o potencial dos semicondutores 2D (folhas monoatômicas, como o grafeno, a molibdenita, os dicalcogenetos de metais de transição etc.) e dos materiais ferroelétricos, juntando ambos em um sistema eletrônico totalmente cointegrado.

Os semicondutores 2D podem ser usados para criar processadores digitais ultraeficientes, enquanto o material ferroelétrico oferece a possibilidade de processar continuamente e armazenar memória ao mesmo tempo. Essa combinação dos dois materiais permite tirar proveito do melhor das capacidades digitais e analógicas de cada um.


"Trabalhar com semicondutores 2D e integrá-los com materiais ferroelétricos tem sido um desafio, mas imensamente gratificante. As aplicações potenciais de nossas descobertas podem redefinir a forma como vemos e interagimos com dispositivos eletrônicos no futuro," disse Kamaei.

Além disso, a equipe usou sua plataforma integrada para criar transistores semelhantes às sinapses biológicas, os intrincados conectores entre as células cerebrais, viabilizando seu uso na computação neuromórfica. "A pesquisa marca a primeira cointegração de circuitos lógicos de von Neumann e funcionalidades neuromórficas, traçando um caminho emocionante para a criação de arquiteturas de computação inovadoras, caracterizadas por um consumo de energia excepcionalmente baixo e capacidades até então inexploradas de construção de funções neuromórficas combinadas com processamento digital de informações," disse o professor Adrian Ionescu, cuja equipe já conseguiu criar um transístor com eficiência próxima à dos neurônios humanos.



A computação analógica imita o funcionamento do cérebro.
[Imagem: Sadegh Kamaei et al. - 10.1038/s41928-023-01018-7]

Processadores mais inteligentes e mais rápidos

No mundo da eletrônica, um transístor pode ser comparado a um interruptor de luz, determinando se a corrente flui (ligada) ou não (desligada). Esses são os famosos 1s e 0s da linguagem binária de computador, e essa simples ação de ligar e desligar é parte integrante de quase todas as funções dos nossos aparelhos eletrônicos, desde o processamento de informações até o armazenamento de dados.

O TFET é um tipo especial de transístor projetado tendo em mente um futuro com consciência energética. Ao contrário dos transistores convencionais, que requerem uma tensão relativamente alta para serem ligados, os TFETs podem operar em tensões significativamente mais baixas. Esse projeto otimizado significa que eles consomem consideravelmente menos energia durante a comutação, reduzindo significativamente o consumo geral de energia dos chips nos quais eles estão integrados.

Para criar seus TFETs especiais, a equipe utilizou silício dopado com óxido de háfnio, enquanto, como material 2D, foram usados o disseleneto de tungstênio (WSe2) e o disseleneto de estanho, materiais que também estão sendo explorados na computação quântica.

Avanços como este abrem o caminho para dispositivos eletrônicos que funcionam de forma similar ao cérebro humano, casando a velocidade computacional com o processamento de informação de uma forma mais alinhada com a cognição humana. Por exemplo, os sistemas neuromórficos podem ser excelentes em tarefas com as quais os computadores tradicionais têm dificuldade, como reconhecimento de padrões, processamento de dados sensoriais ou mesmo certos tipos de aprendizagem.

Esta mistura de lógica tradicional com circuitos neuromórficos indica uma mudança transformadora com implicações de longo alcance, não apenas com menor consumo de energia, mas também com computadores mais inteligentes e mais rápidos.

Bibliografia:

Artigo: Ferroelectric Gating of Two-Dimensional Semiconductors for the Integration of Steep-Slope Logic and Neuromorphic Devices
Autores: Sadegh Kamaei, Xia Liu, Ali Saeidi, Yingfen Wei, Carlotta Gastaldi, Juergen Brugger, Adrian M. Ionescu
Revista: Nature Electronics
DOI: 10.1038/s41928-023-01018-7

fonte:
https://www.inovacaotecnologica.com.br/noticias/noticia.php?artigo=analogico-digital-melhor-dois-mundos-agora-unico-chip&id=010110230901&ebol=sim

As coisas podem ficar ainda mais miniaturizadas, descobriram agora uma tecnologia, que se pode criar circuitos, por bordas, de circuitos existentes.
Imagina um nanofio, recapado por circuitos ainda menores.
Onde havia um Chip poderemos ter um computador.
Onde havia um computador, um super.
Claro, estamos nos ano zero desta tecnologia.

"O demônio plasmônico tem a ver com uma possível nova eletrônica mais miniaturizada, pois ele pode permitir a manipulação de ondas eletromagnéticas em escalas nanométricas, muito menores do que as da eletrônica convencional. Isso pode abrir novas possibilidades para o desenvolvimento de dispositivos ópticos, sensores e computadores quânticos mais eficientes e compactos."

Segundo uma consulta a uma IA, demoraria uns 10 anos pra essa tecnologia, alcançar nossos celulares.. ai teremos super computadores nos bolsos

Computador Analógico





Lembro-me de computadores analógicos em uso para a previsão do tempo. O computador analógico foi superado pelos supercomputadores digitais como o CRAY, entre outros.

Por muito tempo acreditei que o ENIAC operava com grandezas analógicas, uma vez que calculava com números decimais.  Na verdade esse computador era digital e operava com o código BCD.

Código BCD converte cada dígito decimal em binário individualmente.
Considere o número 137 e compare seus códigos binário e BCD:

○137 = 10001001 (binário)
○Código binário puro requer 8 bits.

○137 = 0001 0011 0111 (BCD)
○Código BCD requer 12 bits.

fonte:
Infopédia
https://www.infopedia.pt/artigos/$bcd#:~:text=O%20BCD%20%C3%A9%20um%20formato,dois%20valores%3A%200%20ou%201.