Processador mec�nico chega onde nenhum computador digital jamais foi antes

Informática
Redação do Site Inovação Tecnológica - 08/09/2025

Imagem de microscópio eletrônico de varredura mostrando um canal do componente de carga-densidade-onda, usando para criar o circuito oscilador acoplado.[Imagem: Jonas Olivier Brown et al. - 10.1103/zmlj-6nn7]
Otimização combinatorial
Com todos os avanços na informática, ainda não temos ferramentas adequadas para lidar com uma classe de problemas, conhecidos como problemas de otimização combinatória, que são comuns em aplicações do mundo real, da programação e da organização de telecomunicações até a logística de viagens e entregas.
Quando se trata desses problemas, os supercomputadores atingem rapidamente seus limites, o treinamento de modelos de inteligência artificial exige enormes quantidades de energia e os computados quânticos ainda não são poderosos o suficiente.
Jonas Brown e colegas das universidades da Califórnia de Los Angeles e de Riverside, nos EUA, estão trilhando o caminho da computação alternativa, e apresentaram agora uma nova abordagem que supera os obstáculos da otimização combinatória usando uma espécie de processador mecânico analógico - eles chamam a abordagem de "computação inspirada na física".
A equipe projetou um sistema que processa informações usando uma rede de osciladores, componentes que se movem para frente e para trás em determinadas frequências, em vez de representar todos os dados digitalmente.
Computação inspirada na física
Esse tipo de arquitetura de computador, chamada de máquina de Ising, tem capacidade especial para computação paralela, realizando inúmeros cálculos complexos simultaneamente. Quando finalmente os osciladores ficam sincronizados, o problema de otimização está resolvido.
Esta tecnologia consegue operar com um gasto de energia muito baixo em comparação com os computadores eletrônicos. E este protótipo em especial é compatível com a tecnologia convencional de silício.
"Qualquer novo hardware baseado em física precisa ser integrado à tecnologia CMOS de silício digital padrão para impactar os sistemas de processamento de informações de dados," disse Alexander Balandin, membro da equipe. "O material bidimensional de carga-densidade-onda que selecionamos para esta demonstração tem potencial para tal integração."

Ilustração da resolução do problema de otimização de corte máximo, mostrando o gráfico conectado 6 × 6, representação do circuito dos seis osciladores acoplados usando os pesos descritos na matriz de conectividade e valores da função de sensibilidade de fase.[Imagem: Jonas Olivier Brown et al. - 10.1103/zmlj-6nn7]
Processador mecânico
A equipe projetou seu processador mecânico para que ele funcione como um análogo de certas propriedades quânticas que conectam a atividade elétrica às vibrações (fônons) que se propagam através de um material. No entanto, diferentemente da maioria das aplicações quânticas atuais na computação, que exigem temperaturas criogênicas para manter sua "quanticidade", o protótipo da equipe funciona à temperatura ambiente.
Para fazer uma ponte entre a mecânica quântica e a física mais familiar da vida cotidiana, a equipe usou um material especial, o sulfeto de tântalo (TaS2), um "material quântico" que permite revelar a alternância entre as fases elétrica e vibracional.
"Nossa abordagem é a computação inspirada na física, que surgiu recentemente como um método promissor para resolver problemas complexos de otimização," detalha Balandin. "Ela utiliza fenômenos físicos envolvendo condensados de elétrons e fônons fortemente correlacionados para realizar cálculos diretamente por meio de processos físicos, alcançando assim maior eficiência energética e velocidade."
O protótipo comprovou que os osciladores evoluem naturalmente para um estado fundamental, de mais baixa energia, quando então ficam sincronizados, permitindo que a máquina resolva problemas de otimização combinatória. O próximo passo será ampliar o processador, aumentando o número de osciladores.
Artigo: Charge-density-wave quantum oscillator networks for solving combinatorial optimization problems
Autores: Jonas Olivier Brown, Taosha Guo, Fabio Pasqualetti, Alexander A. BalandinRevista: Physical Review AppliedVol.: 24, 024040DOI: 10.1103/zmlj-6nn7Outras notícias sobre:
inovacaotecnologica