{"id":2413,"date":"2022-06-23T13:32:04","date_gmt":"2022-06-23T16:32:04","guid":{"rendered":"https:\/\/pixforce.ai\/?p=2413"},"modified":"2023-09-02T22:21:37","modified_gmt":"2023-09-03T01:21:37","slug":"computacao-analogica","status":"publish","type":"post","link":"https:\/\/pixforce.com\/pt-br\/computacao-analogica\/","title":{"rendered":"Computa\u00e7\u00e3o anal\u00f3gica: conhe\u00e7a suas vantagens e aplica\u00e7\u00f5es"},"content":{"rendered":"

\u00c0 medida que a Intelig\u00eancia Artificial (I.A.)<\/a> e os aplicativos de aprendizado profundo se tornam mais prevalentes em um n\u00famero crescente de setores, a necessidade de melhor desempenho, maior capacidade do modelo de rede neural profunda (D.N.N) e menor consumo de energia est\u00e1 se tornando cada vez mais importante. Mas o que isso tem a ver com computa\u00e7\u00e3o anal\u00f3gica<\/strong>? Vamos responder isso agora mesmo!<\/p>\n

Juntamente com a I.A., os modelos neurais D.N.N est\u00e3o crescendo a uma taxa exponencial absurda. Com esses modelos, os processadores digitais tradicionais lutam para fornecer o desempenho necess\u00e1rio com baixo consumo de energia e os recursos de mem\u00f3ria adequados, especialmente para modelos grandes executados na borda.<\/p>\n

O que \u00e9 computa\u00e7\u00e3o anal\u00f3gica?<\/h2>\n

\u00c9 a\u00ed que entra a computa\u00e7\u00e3o anal\u00f3gica<\/strong>, permitindo que as empresas obtenham mais desempenho com menor consumo de energia em um formato pequeno e que, tamb\u00e9m, \u00e9 econ\u00f4mico.<\/p>\n

A computa\u00e7\u00e3o anal\u00f3gica tem sido pesquisada h\u00e1 d\u00e9cadas e oferece dois benef\u00edcios principais. O primeiro deles \u00e9 incrivelmente eficiente, pois aproveita o elemento de mem\u00f3ria para armazenamento e computa\u00e7\u00e3o de peso da rede neural, eliminando a movimenta\u00e7\u00e3o de dados.<\/p>\n

Em segundo lugar, a computa\u00e7\u00e3o anal\u00f3gica possui alto desempenho, associado com uma baixa lat\u00eancia, torna-se adequada para calcular as centenas de milhares de opera\u00e7\u00f5es de acumula\u00e7\u00e3o m\u00faltipla que ocorrem em paralelo durante as opera\u00e7\u00f5es vetoriais.<\/p>\n

Considerando esses dois fatores, a computa\u00e7\u00e3o anal\u00f3gica \u00e9 ideal para os mais recentes requisitos de computa\u00e7\u00e3o com edge-AI.<\/p>\n

Velocidade computacional<\/h2>\n

As velocidades computacionais e a efici\u00eancia energ\u00e9tica do anal\u00f3gico em rela\u00e7\u00e3o ao digital t\u00eam sido promissoras h\u00e1 muito tempo. Por\u00e9m, al\u00e9m da incr\u00edvel dificuldade de desenvolver essa tecnologia, um dos maiores impedimentos hist\u00f3ricos da computa\u00e7\u00e3o anal\u00f3gica tem sido seu tamanho, com chips e sistemas anal\u00f3gicos sendo muito grandes e caros, tornando a expans\u00e3o de uso bastante limitada no mercado.<\/p>\n

Hoje, a combina\u00e7\u00e3o de mem\u00f3ria flash e computa\u00e7\u00e3o anal\u00f3gica resolvem estes desafios e voc\u00ea obt\u00e9m uma soma muito maior do que se trabalhasse com as partes individuais \u2013 trata-se da computa\u00e7\u00e3o anal\u00f3gica em mem\u00f3ria baseada no conceito de In-memory Computing<\/em> (I.M.C), que traz efici\u00eancia em energia e desempenho.<\/p>\n

Essa tecnologia chegou em um momento de aperfei\u00e7oamento memor\u00e1vel e agora ela prepara o cen\u00e1rio para a computa\u00e7\u00e3o de Intelig\u00eancia Artificial nas pr\u00f3ximas d\u00e9cadas.<\/p>\n

As vantagens da computa\u00e7\u00e3o anal\u00f3gica<\/h2>\n

As vantagens do poder da computa\u00e7\u00e3o anal\u00f3gica<\/strong> na mem\u00f3ria (ou da computa\u00e7\u00e3o anal\u00f3gica, propriamente falando) no n\u00edvel mais baixo vem da capacidade de realizar multiplica\u00e7\u00f5es de matrizes vetoriais massivamente paralelas com par\u00e2metros armazenados em matrizes de mem\u00f3ria flash.<\/p>\n

Pequenas correntes el\u00e9tricas s\u00e3o direcionadas atrav\u00e9s de uma matriz de mem\u00f3ria flash que armazena cargas de rede neural reprogram\u00e1veis, e o resultado \u00e9 capturado por meio de conversores anal\u00f3gico-digitais (ADCs).<\/p>\n

Aproveitando a computa\u00e7\u00e3o anal\u00f3gica para a grande maioria das opera\u00e7\u00f5es de infer\u00eancia, a sobrecarga de energia anal\u00f3gico-digital e digital-anal\u00f3gico pode ser mantida como uma pequena parte do or\u00e7amento geral de energia e uma grande baixa no poder de computa\u00e7\u00e3o, desse modo, pode ser alcan\u00e7ado.<\/p>\n

H\u00e1 tamb\u00e9m muitos efeitos de n\u00edvel de sistema de segunda ordem que proporcionam uma grande queda na pot\u00eancia, por exemplo, quando a quantidade de movimento de dados no chip possui v\u00e1rias ordens de magnitude menor, a velocidade do clock do sistema pode ser mantida at\u00e9 10 vezes menor do que os sistemas concorrentes, tornando o trabalho do processador de controle muito mais simples.<\/p>\n

O uso de processadores de computa\u00e7\u00e3o anal\u00f3gicos para aplica\u00e7\u00f5es Edge-AI \u00e9 uma \u00f3tima op\u00e7\u00e3o para muitos cases diferentes: drones equipados com c\u00e2meras de alta defini\u00e7\u00e3o para aplicativos de vis\u00e3o computacional<\/strong><\/a> que exigem a execu\u00e7\u00e3o local de modelos neurais DNN complexos para fornecer informa\u00e7\u00f5es imediatas e relevantes \u00e0 esta\u00e7\u00e3o de controle.<\/p>\n

Os processadores que usam computa\u00e7\u00e3o anal\u00f3gica possibilitam o fornecimento de processamento de I.A. poderoso, que tamb\u00e9m \u00e9 extremamente eficiente em termos de energia, para que as empresas possam implementar essas redes no drone, podendo trabalhar conjuntamente com uma ampla variedade de aplicativos voltados para a aplica\u00e7\u00e3o da vis\u00e3o computacional.<\/p>\n

Essas aplica\u00e7\u00f5es incluem:<\/p>\n