Gli ingegneri hanno sviluppato un chip per l'addestramento accelerato delle reti neurali

Gli ingegneri dell'Università dell'Illinois a Urbana-Champaign hanno integrato una memoria ad accesso casuale elettrochimico

(ECRAM) con semiconduttori in silicio. La tecnologia accelererà l’apprendimento profondo delle reti neurali e ridurrà i costi operativi dei sistemi di intelligenza artificiale.

I ricercatori erano soliti creare la memoriamateriali compatibili con le moderne tecnologie dei semiconduttori (CMOS): ossido di tungsteno per gate e canale, ossido di zirconio per l'elettrolita e protoni come ioni mobili. Ciò ha permesso di integrare il dispositivo nella microelettronica standard.

Processo di produzione dell'ECRAM. Immagine: Jinsong Cui et al., Nature Electronics

ECRAM è una cella o dispositivo di memoria cheutilizza lo stesso spazio per l'archiviazione dei dati e l'elaborazione. Questa architettura personalizzata elimina il costo energetico del trasferimento dei dati tra la memoria e il processore, consentendo l'esecuzione di operazioni ad alta intensità di dati in modo molto rapido ed efficiente.

La memoria elettrochimica codifica le informazionispostando gli ioni mobili tra il gate e il canale. Gli impulsi elettrici applicati al terminale di gate introducono ioni nel canale o li estraggono, il cambiamento risultante nella conduttività elettrica del canale conserva le informazioni. Viene letto misurando la corrente elettrica che scorre attraverso il canale. L'elettrolita tra il gate e il canale previene il flusso di ioni indesiderati, consentendo alla memoria di funzionare in modalità non volatile.


Circuito di memoria elettrochimica. Immagini: Jinsong Cui et al., Nature Electronics

I ricercatori hanno dimostrato che ilil dispositivo mostrava elevate velocità di commutazione, resisteva a oltre 100 milioni di cicli di lettura-scrittura ed era molto più efficiente della tecnologia di memoria standard. Allo stesso tempo, il canale trattiene in modo affidabile gli ioni per ore, il che è sufficiente per addestrare la maggior parte delle reti neurali profonde. Poiché i materiali sono compatibili con le tecnologie di microfabbricazione, i dispositivi possono essere ridotti a dimensioni micro e nano, consentendo un'elevata densità e potenza di elaborazione.

Leggi di più:

La teoria chiave della fisica quantistica è stata finalmente dimostrata. Principale

I biologi scoprono come le cellule tumorali sfuggono al sistema immunitario

Ho trovato un modo per abbassare la glicemia senza iniezioni di insulina

Copertina: matrice ECRAM. Immagine: Grainger College of Engineering presso l'Università dell'Illinois Urbana-Champaign