A inteligência artificial está ficando cada vez mais poderosa, mas existe um problema crescendo nos bastidores: quanto mais sofisticados são os sistemas de IA, maior pode ser a demanda por energia. Uma nova tecnologia de memória magnética, entretanto, pode ajudar a mudar esse cenário.
Pesquisadores da Universidade do Texas em Austin, em colaboração com a Taiwan Semiconductor Manufacturing Company (TSMC), testaram uma versão de SOT-MRAM, uma memória que utiliza propriedades magnéticas para armazenar informações.
Além de manter os dados mesmo quando o dispositivo é desligado, a tecnologia apresentou operações extremamente rápidas e baixo gasto energético. O resultado chama atenção especialmente para aplicações de inteligência artificial executadas diretamente em dispositivos menores.
Um tipo diferente de memória pode aliviar um gargalo da IA
Grande parte do trabalho realizado por sistemas de inteligência artificial envolve movimentar enormes quantidades de dados entre memória e unidades de processamento. Esse processo pode consumir tempo e energia.
A SOT-MRAM, sigla para memória magnética de acesso aleatório baseada em torque de órbita de spin, segue uma abordagem diferente. Em vez de depender exclusivamente da carga elétrica para representar informações, ela utiliza estados magnéticos.
Siga o canal do Fala Ciência no WhatsApp para receber nossos conteúdos em primeira mão!
Entrar no Canal do WhatsAppA tecnologia é considerada não volátil, portanto, consegue preservar os dados mesmo quando não está recebendo energia.
Isso abre espaço para arquiteturas nas quais memória e processamento ficam mais próximos, reduzindo parte da movimentação de dados necessária nos computadores tradicionais.
Dois nanossegundos chamaram atenção nos testes
Os pesquisadores fabricaram dispositivos compatíveis com processos de produção em wafers de 300 milímetros, uma escala mais próxima da fabricação industrial de semicondutores.
Nos testes, os dispositivos conseguiram realizar operações de escrita em aproximadamente 2 nanossegundos, utilizando menos de 1 volt. O consumo energético associado à escrita foi de cerca de 2 picojoules no dispositivo analisado.
Para colocar a escala em perspectiva, um nanossegundo corresponde a um bilionésimo de segundo.
Além disso, os pesquisadores avaliaram a tecnologia em diferentes tarefas relacionadas à inteligência artificial, incluindo:
- Inferência de redes neurais
- Treinamento de redes neurais binárias
- Modelagem probabilística de grafos
Os resultados indicaram que as características magnéticas dos dispositivos podem ser aproveitadas em arquiteturas de computação em memória, especialmente quando energia e espaço são limitados.
A memória pode levar a IA para dentro dos próprios dispositivos
Uma das possibilidades mais interessantes está na chamada computação de borda, conhecida como edge computing.
Hoje, muitas aplicações de inteligência artificial dependem de servidores remotos e grandes centros de dados. Um dispositivo pequeno, por outro lado, possui limitações muito maiores de energia, memória e capacidade de processamento.
Com uma memória mais eficiente, parte dessas tarefas poderia ser executada localmente.
Isso seria útil em equipamentos como sensores inteligentes, dispositivos robóticos, sistemas industriais e aparelhos eletrônicos portáteis. Um sensor, por exemplo, poderia analisar uma informação imediatamente, sem precisar enviar todos os dados para um servidor distante.
O estudo ainda aponta obstáculos antes da aplicação comercial
Apesar dos resultados promissores, a SOT-MRAM ainda não está pronta para substituir todas as tecnologias utilizadas atualmente.
Um dos desafios identificados pelos pesquisadores é a variação entre diferentes dispositivos. Quando componentes apresentam comportamentos ligeiramente diferentes, a precisão de determinados modelos de inteligência artificial pode ser afetada.
Por isso, os próximos avanços devem buscar maior uniformidade entre os componentes e melhorias nas características que permitem combinar velocidade, eficiência energética e precisão.
Leia mais:
A pesquisa que colocou a SOT-MRAM à prova
O trabalho foi publicado na revista científica Science Advances em 28 de agosto de 2026, tendo Samuel Liu como primeiro autor. O estudo avaliou dispositivos SOT-MRAM fabricados em escala de wafer e sua utilização em aplicações de computação inspirada em redes neurais.
Os resultados não significam que os atuais centros de dados serão substituídos imediatamente. No entanto, mostram uma possibilidade importante: mudar a própria arquitetura do hardware pode ser tão relevante para tornar a IA mais eficiente quanto desenvolver algoritmos melhores.
Com a expansão da inteligência artificial, tecnologias capazes de processar dados rapidamente sem exigir tanta energia podem se tornar cada vez mais importantes.
