Pesquisadores da Universidade Waseda, no Japão, anunciaram em 25 de setembro de 2026 um avanço na computação não convencional: um novo modelo matemático inspirado no comportamento de fungos mucilaginosos que consegue resolver problemas computacionalmente intratáveis para os computadores eletrônicos mais modernos. O estudo, liderado por Yusuke Miyajima e Masahito Mochizuki, foi publicado na revista Physical Review Research e propõe uma abordagem que elimina a lei da conservação do volume, ampliando as possibilidades de implementação física.
Os chamados problemas de otimização combinatória, como o clássico problema do caixeiro-viajante, desafiam até os supercomputadores atuais devido ao crescimento exponencial das combinações possíveis. Em vista disso, pesquisadores têm explorado novos paradigmas computacionais capazes de resolver tais problemas de forma mais eficiente. Uma fonte promissora de inspiração vem dos organismos vivos, especificamente das estratégias de sobrevivência dos fungos – sim, fungos que computam.
Fungos como máquinas de calcular naturais
Os fungos mucilaginosos, como o Physarum polycephalum, são organismos unicelulares que formam redes de tubos para transportar nutrientes. Em experimentos anteriores, cientistas observaram que essas redes se reorganizam de maneira a encontrar o caminho mais curto entre fontes de alimento, um comportamento que pode ser interpretado como uma forma de computação distribuída. No entanto, os modelos matemáticos existentes para simular esse processo impunham restrições físicas, como a conservação do volume total dos tubos, o que limitava sua aplicação prática.
O novo modelo proposto por Miyajima e Mochizuki remove essa restrição. “Nossa abordagem elimina uma grande limitação, a lei da conservação do volume, possibilitando a implementação de computadores de fungos mucilaginosos usando uma variedade muito maior de materiais e fenômenos físicos”, explicou Miyajima. Com isso, a computação fúngica deixa de depender de um organismo vivo específico e pode ser emulada em sistemas físicos diversos, como circuitos eletrônicos, reações químicas ou até mesmo redes ópticas.
Modelo simplificado amplia implementações
O modelo matemático desenvolvido elimina funções matemáticas complexas e restrições das leis de conservação, permitindo a implementação física utilizando uma ampla gama de materiais e fenômenos físicos. Em vez de simular fielmente a dinâmica biológica do fungo, os pesquisadores abstraíram os princípios essenciais de busca por caminhos ótimos, resultando em um algoritmo mais enxuto e adaptável. Essa simplificação não compromete o desempenho da otimização, conforme demonstrado nos testes.
Na prática, o modelo pode ser implementado em hardware analógico, como redes de resistores ou sistemas de microfluídica, que operam em paralelo e consomem menos energia do que processadores digitais. A eliminação da conservação de volume também permite que o sistema explore um espaço de soluções mais amplo, evitando armadilhas locais que frequentemente atrapalham algoritmos tradicionais. A fonte não detalhou quais materiais específicos foram testados, mas a flexibilidade é um dos principais atrativos da abordagem.
Resultados superam modelos anteriores
Nos testes, o modelo proposto produziu uma solução viável com um número consideravelmente menor de iterações do que os modelos anteriores, conseguindo lidar com até 180 cidades, enquanto os modelos conhecidos até agora não passavam das 100 cidades. Esse avanço representa um salto significativo na capacidade de resolver problemas de otimização combinatória, que têm aplicações em logística, roteamento de redes, design de circuitos e inteligência artificial.
A redução no número de iterações indica que o novo modelo converge mais rapidamente para uma solução aceitável, o que é crucial em cenários onde o tempo de resposta é crítico. Embora o problema do caixeiro-viajante com 180 cidades ainda esteja longe dos recordes alcançados por algoritmos heurísticos especializados, a importância do estudo reside na demonstração de que um paradigma bioinspirado pode competir com abordagens convencionais sem exigir recursos computacionais massivos. A fonte não detalhou o tempo exato de processamento nem o hardware utilizado nos experimentos.
Equivalência com redes neurais recorrentes
Um aspecto notável do trabalho é a demonstração da equivalência matemática entre o modelo de computação fúngica e as redes neurais recorrentes, uma arquitetura amplamente utilizada em aprendizado de máquina. Essa equivalência sugere que as técnicas de treinamento e análise desenvolvidas para redes neurais podem ser aplicadas ao novo modelo, facilitando sua integração com sistemas existentes. Além disso, abre caminho para a implementação de computadores fúngicos em hardware neuromórfico, que já é projetado para executar redes neurais de forma eficiente.
Os autores do estudo, publicado com o título “Mathematical model of the amoeba-inspired combinatorial optimization machine for physical implementation and its equivalence to recurrent neural networks”, argumentam que essa conexão teórica fortalece a base científica da computação fúngica. A pesquisa foi registrada sob o DOI 10.1103/zgvb-cfpg e está disponível na revista Physical Review Research, volume 8, artigo 023269. A fonte não detalhou as implicações práticas dessa equivalência para o desenvolvimento de novos dispositivos.
Perspectivas para a computação não convencional
O avanço reportado pelos pesquisadores japoneses insere-se em um campo crescente de pesquisa que busca alternativas à arquitetura de von Neumann, dominante nos computadores atuais. A computação baseada em organismos vivos ou em princípios físicos não lineares promete resolver certas classes de problemas de forma mais eficiente, especialmente aqueles que envolvem otimização e reconhecimento de padrões. A eliminação da lei de conservação do volume é um passo importante para tornar esses sistemas mais práticos e escaláveis.
Embora ainda esteja em estágio inicial, o modelo proposto pode inspirar o desenvolvimento de coprocessadores especializados para tarefas de otimização, que poderiam ser acoplados a computadores convencionais. A possibilidade de implementar a computação fúngica em materiais como polímeros condutores ou fluidos magnéticos também sugere aplicações em sensores inteligentes e robótica mole. A fonte não detalhou planos futuros dos pesquisadores, mas o artigo estabelece uma base teórica sólida para investigações subsequentes.
Fonte
- www.inovacaotecnologica.com.br
- Seguir no Google Notícias (news.google.com)