Los investigadores desarrollan semiconductores ECRAM para que el hardware analógico aumente el rendimiento de la IA

Un equipo de investigación dirigido por el profesor Seyoung Kim en POSTECH (Universidad de Ciencia y Tecnología de Pohang), junto con colegas de la Universidad de Corea, ha demostrado el potencial de los dispositivos de memoria electroquímica de acceso aleatorio (ECRAM) para mejorar el rendimiento computacional de la IA. Su trabajo, publicado en Science Advances, podría allanar el camino para aplicaciones comerciales de los mismos.

A medida que la tecnología de la IA avanza con rapidez, los investigadores miran hacia el hardware analógico, que puede procesar los cálculos de la IA en paralelo ajustando la resistencia de los semiconductores en función de la tensión o la corriente. Sin embargo, trabajar con hardware analógico es mucho más difícildebido a la variabilidad de las señales analógicas, los problemas de precisión y exactitud, las complejidades de integración con los sistemas digitales, las dificultades de escalabilidad, las incoherencias de fabricación y el mayor consumo de energía. Estos factores hacen que los sistemas analógicos sean más propensos al ruido y a los errores, por lo que requieren un diseño y una calibración avanzados.

El equipo de investigación se centró en los dispositivos ECRAM, que gestionan la conductividad eléctrica mediante el movimiento de iones. A diferencia de la memoria tradicional, la ECRAM utiliza una estructura de tres terminales para rutas de lectura y escritura separadas, funcionando a baja potencia. El equipo fabricó dispositivos ECRAM en una matriz de 64×64, mucho mayor que el máximo anterior de matrices de 10×10.

Sus experimentos demostraron que estos dispositivos tienen unas características eléctricas y de conmutación excelentes, un alto rendimiento y uniformidad. También aplicaron un nuevo algoritmo de aprendizaje, el algoritmo Tiki-Taka, que maximizó la precisión de la Red neuronal de IA entrenamiento sin sobrecargar las redes.

El profesor Kim afirmó que las matrices a gran escala de dispositivos ECRAM y los algoritmos analógicos específicos de IA ofrecen un potencial de rendimiento y eficiencia energética de la IA muy superior a los métodos digitales actuales. Este estudio contó con el apoyo de diversos organismos gubernamentales e industriales coreanos.