Pesquisadores do Laboratório Nacional Lawrence Berkeley, nos Estados Unidos, demonstraram por simulação digital que um computador termodinâmico pode realizar cálculos não lineares típicos de redes neurais usando unicamente o ruído térmico ambiente como fonte de energia. O estudo, divulgado em 26 de março de 2026, indica um caminho prático para construir processadores que funcionem em temperatura ambiente com consumo ínfimo de eletricidade.
Ruído térmico deixa de ser problema e vira combustível computacional
Em computadores convencionais, o calor é visto como desperdício de energia e ameaça à estabilidade dos circuitos. Equipamentos quânticos, por sua vez, exigem temperaturas próximas ao zero absoluto para manter a coerência dos qubits. A arquitetura proposta pelos físicos Stephen Whitelam e Corneel Casert inverte essa lógica: em vez de combater as flutuações térmicas, o sistema tira proveito delas para mudar estados lógicos e executar instruções.
A ideia de usar processos termodinâmicos em cálculo não é nova. Contudo, protótipos anteriores dependiam de alcançar o equilíbrio termodinâmico antes de fornecer resultados, exigindo tempos de espera imprevisíveis e, muitas vezes, inviáveis. Além disso, ficavam restritos à resolução de problemas lineares, como álgebra matricial, limitando o espectro de aplicações.
Dois obstáculos superados: equilíbrio e não linearidade
O primeiro entrave identificado pela equipa californiana era a necessidade de aguardar o sistema atingir seu estado de energia mínima para só então ler a resposta. Como a trajetória até o equilíbrio pode variar de forma estocástica, isso comprometia a previsibilidade do tempo de execução. O segundo desafio residia na incapacidade de lidar com operações não lineares, fundamentais para tarefas de aprendizado de máquina.
Para contornar essas barreiras, os investigadores modelaram circuitos compostos por elementos fisicamente não lineares, capazes de alterar seu estado em função das mesmas flutuações que alimentam o processo. Essa configuração permite que o dispositivo realize computação útil antes de estabilizar, dispensando a espera pelo equilíbrio e, simultaneamente, habilitando funções matemáticas complexas.
Neurônios termodinâmicos: como a rede é montada
Cada componente não linear comporta-se de forma análoga a um neurônio artificial: recebe sinais de entrada, aplica uma transformação não linear e produz uma saída. Ao conectar vários desses “neurônios térmicos”, forma-se uma rede capaz de aproximar funções arbitrárias, da mesma forma que acontece nas arquiteturas de aprendizado profundo executadas em GPUs tradicionais.
A principal diferença reside no mecanismo de transição de estados. Em vez de depender de correntes elétricas controladas por relógios digitais, a rede termodinâmica evolui sob flutuações estatísticas geradas naturalmente pela temperatura ambiente. Esse processo estocástico elimina grande parte da energia necessária para manter transistores em operação e descarta sistemas de refrigeração extrema.
Treinamento com algoritmo genético
Redes neurais digitais são ajustadas por retropropagação de erros, técnica inviável em um sistema sujeito a variações aleatórias a cada execução. Whitelam e Casert recorreram a um algoritmo genético para otimizar os parâmetros dos neurônios térmicos. Primeiro, criaram múltiplas versões da rede com pesos diferentes. Após avaliar o desempenho individual, selecionaram as variantes mais eficazes, introduziram perturbações aleatórias e repetiram o ciclo.
Imagem: Tecnologia e Inovação
Mais de um trilhão de execuções virtuais foram necessárias para atingir configurações satisfatórias. O processo elevou o custo computacional na fase de treinamento, mas resultou em hardware potencialmente capaz de inferir padrões gastando frações da energia consumida por circuitos CMOS ou aceleradores especializados em inteligência artificial.
Impacto para cargas de trabalho de IA
Aplicações de aprendizado de máquina concentram-se em grandes centros de dados, responsáveis por despesas energéticas crescentes e emissões de calor significativas. Um processador que opere em temperatura ambiente, alimentado pelo próprio ruído térmico, pode reduzir drasticamente a pegada de carbono e desbloquear casos de uso em dispositivos de borda com recursos limitados, como sensores industriais e wearables.
Segundo os autores, a rede termodinâmica não substituiria integralmente a computação digital, mas ofereceria uma opção complementar para inferência após o treinamento prévio. A combinação de custo operacional quase nulo e tolerância a ambientes não controlados abre perspectiva para sistemas autônomos de baixa potência.
Próximos passos: do modelo à placa de circuito
O artigo conclui com um convite a colaborações multidisciplinares. Engenheiros eletrônicos e especialistas em materiais são necessários para traduzir as unidades de simulação em dispositivos físicos. Entre as prioridades estão a escolha de elementos não lineares adequados, a integração a nível de chip e métodos de leitura de estados que preservem a vantagem energética.
A computação termodinâmica surge como mais uma via para contornar os limites impostos pela Lei de Moore. Em vez de aumentar a densidade de transistores ou recorrer exclusivamente à lógica quântica, a proposta explora princípios fundamentais da física estatística. Caso o roteiro traçado por Whitelam e Casert se confirme em laboratório, diferentes setores poderão dispor de hardware capaz de executar inferências de redes neurais com consumo mínimo e sem requisitos extremos de refrigeração.
Os resultados colocam a arquitetura termodinâmica no radar de pesquisadores que buscam alternativas de baixo consumo para a próxima geração de processadores. A parceria entre teoria, simulação e engenharia será decisiva para transformar o conceito em equipamentos que cheguem ao mercado e, eventualmente, às aplicações cotidianas.
