Arquitetura neuromórfica demonstra capacidade de resolver equações matemáticas complexas, aproximando computação inspirada no cérebro da matemática aplicada e da neurociência.
Durante muito tempo, acreditou-se que computadores neuromórficos — projetados para reproduzir a dinâmica do cérebro — seriam mais adequados a tarefas como reconhecimento de padrões e aceleração de redes neurais artificiais. Problemas matemáticos rigorosos, especialmente aqueles envolvendo equações diferenciais parciais, eram considerados domínio exclusivo dos supercomputadores digitais convencionais.
Pesquisadores do Laboratório Nacional Sandia, nos Estados Unidos, desafiaram essa expectativa ao demonstrar que arquiteturas inspiradas no cérebro podem, de forma surpreendente, resolver problemas matemáticos complexos que fundamentam grandes desafios científicos e de engenharia. Em vez de trabalhar com sistemas experimentais, eles optaram por utilizar um hardware comercial: o processador neuromórfico Loihi, desenvolvido pela Intel.
Para tornar isso possível, foi necessário criar um novo algoritmo capaz de adaptar a resolução de equações diferenciais parciais ao funcionamento específico do hardware neuromórfico. Essas equações são a base da modelagem de fenômenos como dinâmica de fluidos, campos eletromagnéticos e mecânica estrutural, além de sustentarem aplicações que vão da previsão climática à análise do comportamento de materiais sob esforço. Tradicionalmente, sua solução exige grande capacidade computacional e extensas sequências de cálculos.
A arquitetura neuromórfica, no entanto, opera de maneira distinta dos sistemas digitais clássicos, utilizando redes de neurônios de pulsos que processam informação de forma distribuída. A adaptação de algoritmos matemáticos complexos para esse tipo de hardware parecia improvável, dado o contraste entre a lógica sequencial dos métodos numéricos tradicionais e o processamento paralelo inspirado no cérebro.
Os pesquisadores conseguiram portar para o ambiente neuromórfico o Método dos Elementos Finitos, um dos principais procedimentos numéricos utilizados para transformar equações diferenciais parciais em grandes sistemas lineares esparsos. A solução desses sistemas fornece aproximações para os fenômenos físicos modelados. No processador neuromórfico, essa abordagem foi implementada por meio de uma rede neural de pulsos capaz de resolver diretamente esses sistemas lineares, demonstrando escalabilidade e eficiência.
Além do desempenho computacional, o trabalho levanta questões conceituais relevantes. O algoritmo desenvolvido baseia-se em modelos de redes neurais originados na neurociência e apresenta paralelos estruturais com redes corticais do cérebro. Essa convergência sugere uma conexão mais profunda entre matemática aplicada, inteligência computacional e funcionamento neural.
A computação neuromórfica, portanto, pode ir além da eficiência energética ou do aprimoramento de técnicas numéricas. Ao aproximar modelos matemáticos e dinâmicas cerebrais, ela abre espaço para investigar como o cérebro realiza cálculos complexos — e o que ocorre quando esses processos falham. Caso essa interseção se confirme, essa linha de pesquisa poderá contribuir não apenas para a engenharia computacional, mas também para a compreensão e o tratamento de doenças neurológicas como Alzheimer e Parkinson.
(Engenharie)