Pesquisa científica · Inteligência artificial · Energia
O físico e pesquisador Dr. Edwar Montenegro publicou um artigo que examina uma pergunta cada vez mais presente no debate sobre inteligência artificial: como relacionar os limites físicos da computação à energia efetivamente consumida por sistemas de IA?
Publicado em 16 de setembro de 2026 na revista Trends in Computer Science and Information Technology, o trabalho The Thermodynamic Cost of Neural Computation: From Landauer’s Bound to the Energetic Gap of Artificial Intelligence reúne estudos de termodinâmica, ciência da computação e engenharia para analisar o custo energético da computação neural.
Do limite físico aos data centers
Um dos pontos de partida do artigo é o princípio de Landauer, que estabelece um limite termodinâmico para processos físicos específicos de apagamento de informação. Montenegro ressalta que esse limite não corresponde a um preço fixo de energia para cada operação de um processador, palavra produzida por um modelo ou pergunta feita a uma ferramenta de IA.
Para organizar essa comparação, o artigo apresenta uma estrutura conceitual de sete níveis. Ela vai da redução da informação lógica e de condições físicas do processo até os custos de controle, da arquitetura dos computadores, da movimentação de dados e da infraestrutura de energia e resfriamento dos centros de dados. Os níveis ajudam a identificar onde surgem as restrições e os gastos, mas não formam uma soma universal aplicável a qualquer sistema.
Na prática, o consumo de uma consulta de IA pode variar conforme o modelo utilizado, o tamanho da entrada e da resposta, a eficiência dos aceleradores, o uso da memória, a taxa de utilização dos equipamentos e a estrutura que mantém os servidores em funcionamento. Por isso, o estudo distingue os limites teóricos das estimativas e medições operacionais.
O que a pesquisa acrescenta ao debate
Ao conectar conceitos fundamentais da física com a operação de sistemas contemporâneos de IA, o trabalho propõe critérios mais claros para comparar tecnologias e avaliar sua eficiência energética. A análise também discute caminhos de pesquisa em computação reversível, neuromórfica e fotônica, cujos possíveis ganhos precisam ser examinados em condições e unidades de medida bem definidas.
A conclusão é que compreender o consumo da inteligência artificial exige observar o sistema completo: dos processos físicos aos componentes e à infraestrutura que os sustenta. O artigo é de acesso aberto e pode ser lido na íntegra no site da revista.
Leia o artigo: Edwar D. Montenegro, The Thermodynamic Cost of Neural Computation: From Landauer’s Bound to the Energetic Gap of Artificial Intelligence, Trends in Computer Science and Information Technology (2026). Acessar pelo DOI 10.17352/tcsit.000116 →