Leitura rápida

A matemática mostra um novo caminho para reduzir o impacto energético da Inteligência Artificial
22 de dezembro de 2025, 18:52

Fonte

Unibo Magazine

Publicação Original

Universidade de Bolonha

Áreas

Ciência de Dados, Computação, Modelagem Matemática, Simulação Computacional

Compartilhar

Resumo

Um resultado matemático teórico, inspirado na termodinâmica estatística, permitiu a um grupo de pesquisadores da Universidade de Bolonha e do Instituto Nacional de Física Nuclear (INFN) de Roma III, na Itália, melhorar significativamente a eficiência e a robustez das redes neurais profundas, o núcleo dos modernos sistemas de inteligência artificial.

O método – publicado na revista científica npj Artificial Intelligence — abre caminho para modelos mais leves e sustentáveis, capazes de reduzir o crescente consumo de energia da inteligência artificial.

“Assim como as primeiras máquinas térmicas do século XIX, as redes neurais profundas também precisam ser otimizadas para operar com máxima eficiência”, explicou o Dr. Pierluigi Contucci, professor do Departamento de Matemática da Universidade de Bolonha e coautor do estudo. “Neste trabalho, trouxemos um teorema matemático para a prática da IA, para entender onde, na arquitetura, a energia de aprendizado é perdida e como recuperá-la.”

As redes neurais processam dados por meio de uma estrutura em camadas composta por nós interconectados. Partindo dessa estrutura, os pesquisadores aplicaram um formalismo matemático que lhes permite definir uma ‘temperatura’ local da rede, identificando as regiões mais quentes — onde o fluxo de informações é mais instável — e as regiões mais frias, mais ordenadas e estáveis.

O diagnóstico matemático possibilitou a realocação otimizada de nós: das zonas quentes, onde a informação tende a se dispersar, para as zonas frias. Essa transformação arquitetônica simples, porém guiada por princípios teóricos rigorosos, aumentou a robustez do modelo sem sacrificar sua precisão.

“Essa perspectiva matemática não só melhora a estabilidade do modelo, como também abre caminho para um design de redes neurais mais racional. A otimização arquitetônica é crucial para reduzir o impacto energético da IA, e a matemática oferece ferramentas poderosas para orientar essa evolução”, concluiu o Dr. Gianluca Manzan, pesquisador da Universidade de Bolonha e coautor do estudo.

Em suas publicações, o Portal SciAdvances tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal SciAdvances tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas. 

Autores/Pesquisadores Citados

Dr. Pierluigi Contucci

Professor do Departamento de Matemática da Universidade de Bolonha

Dr. Gianluca Manzan

Pesquisador da Universidade de Bolonha

Publicação

Acesse o artigo científico completo (em inglês).

Acesse a revista científica npj Artificial Intelligence (em inglês).

Mais Informações

Acesse a notícia original completa na página da Unibo Magazine da Universidade de Bolonha (em italiano).

Comunique um Erro

Notícias relacionadas

E-books relacionados

Rolar para cima