Junções de tunelamento magnéticas com viés de troca em escala nanométrica viabilizam sinapse memristiva e neurônio leaky-integrate-fire para computação neuromórfica

Por que pequenos dispositivos magnéticos podem transformar a computação

Os dispositivos inteligentes atuais dependem de chips que consomem muita energia ao movimentar dados constantemente entre memória e processadores. Este artigo explora um caminho diferente, inspirado no cérebro, onde memória e computação ocorrem nos mesmos elementos minúsculos. Os autores mostram como dispositivos magnéticos em escala nanométrica podem comportar-se tanto como células cerebrais quanto como suas conexões, abrindo uma rota para hardware rápido e eficiente em tarefas como reconhecimento de gestos.

De sinais cerebrais a circuitos por pulsos

Os cérebros biológicos processam informação usando pulsos — breves impulsos elétricos transmitidos entre neurônios por sinapses cuja força é continuamente ajustada. Versões artificiais dessas ideias, chamadas redes neurais por pulso, poderiam em princípio operar com muito menos energia do que os chips atuais. Mas a maioria dos sistemas atuais ainda usa eletrônica convencional, que separa memória e lógica e precisa de muitos transistores para imitar mesmo um único neurônio ou sinapse. Essa incompatibilidade desperdiça área e energia e compromete a promessa da computação inspirada no cérebro.

Usando magnetismo para armazenar e processar juntos

A equipe recorre a uma classe de tecnologia de memória conhecida como junções de tunelamento magnético, onde a resistência elétrica depende da orientação relativa de camadas magnéticas minúsculas. Ao construir essas junções com um material magnético adicional que “viésa” a camada livre, eles criam MTJs com viés de troca que podem ser alternados por pulsos curtos de corrente. Um projeto engenhoso da forma do dispositivo e da pilha magnética permite que uma versão da junção se comporte como uma sinapse com muitos níveis de resistência estáveis, enquanto uma versão menor atua como um neurônio que muda bruscamente entre dois estados. Ambas compartilham a mesma estrutura em camadas, simplificando a integração em um chip.

Pequenas sinapses que lembram o tempo

Nos dispositivos do tipo sinapse, pulsos curtos de corrente reconfiguram gradualmente domínios magnéticos microscópicos em vez de inverter todo o ímã de uma vez. Isso produz mais de 25 níveis de resistência distintos em um dispositivo com apenas cerca de cem nanômetros de diâmetro, e esses níveis permanecem estáveis por anos e resistem a campos magnéticos fortes. Ao enviar pares de pulsos que desempenham o papel dos disparos pré- e pós-neuronais com diferentes atrasos temporais, os autores reproduzem uma regra de aprendizado chave observada na biologia: quando os pulsos chegam próximos no tempo, a conexão se fortalece ou enfraquece mais do que quando chegam distantes. Esse aprendizado baseado em tempo, conhecido como plasticidade dependente do tempo dos picos (spike-timing-dependent plasticity), surge naturalmente do rearranjo dos grãos magnéticos movido por calor e corrente.

Pequenos neurônios que integram e disparam

Os dispositivos do tipo neurônio respondem de forma diferente. Pulsos individuais de corrente são escolhidos fracos demais para alternar o dispositivo sozinhos, mas uma série rápida deles aquece a junção e reduz sua barreira energética interna até que ela mude de estado repentinamente, imitando um neurônio que integra entradas e então dispara. Quando os pulsos cessam, o dispositivo esfria e seu limiar efetivo se recupera, fornecendo um “vazamento” natural da entrada acumulada. Experimentos mostram que esses neurônios artificiais podem alternar de forma confiável com pulsos de até quatro décimos de nanossegundo, consumindo apenas algumas centenas de femtojoules por evento de disparo, muito menos do que circuitos neurais à base de transistores e rápido o suficiente para operação em gigahertz.

Testando um reconhecedor de gestos magnético completo

Para avaliar o potencial desses dispositivos em um sistema, os pesquisadores simularam uma rede por pulsos em várias camadas construída inteiramente a partir dessas sinapses e neurônios magnéticos. Usando dados de gestos do mundo real registrados como fluxos de eventos visuais, a rede combina treinamento convencional nas camadas iniciais com aprendizado baseado em tempo na camada de saída. Com o comportamento dos dispositivos e imperfeições extraídos de experimentos, o modelo ainda classifica gestos manuais com cerca de noventa e seis por cento de acurácia. Como os pulsos são esparsos e os neurônios disparam apenas quando necessário, apenas uma pequena fração dos elementos está ativa a qualquer momento, e o esquema de treinamento misto reduz o número de atualizações sinápticas em comparação com métodos padrão.

O que isso significa para hardware inteligente futuro

Para um não especialista, a mensagem principal é que o mesmo bloco magnético minúsculo agora pode atuar tanto como uma conexão programável quanto como uma unidade de disparo, muito parecida com sinapses e neurônios no cérebro. Essas junções de tunelamento magnético com viés de troca comutam rapidamente, lembram muitos níveis e podem ser empacotadas densamente, tornando-se fortes candidatas para chips compactos e de baixo consumo que processam informação de forma semelhante ao cérebro diretamente na memória, em vez de ficar movimentando dados.

Citação: Chen, Z., Zhu, D., Du, A. et al. Nanoscale exchange-bias magnetic tunnel junctions enabled memristive synapse and leaky-integrate-fire neuron for neuromorphic computing. Nat Commun 17, 4362 (2026). https://doi.org/10.1038/s41467-026-70802-8

Palavras-chave: computação neuromórfica, redes neurais de pulso, junções de tunelamento magnético, spintrônica, reconhecimento de gestos