I ricercatori sviluppano i semiconduttori ECRAM per l'hardware analogico, per aumentare le prestazioni dell'AI

Un team di ricerca guidato dal professor Seyoung Kim presso POSTECH (Pohang University of Science & Technology), insieme a colleghi della Korea University, ha dimostrato il potenziale dei dispositivi di memoria elettrochimica ad accesso casuale (ECRAM) per migliorare le prestazioni di calcolo dell'intelligenza artificiale. Il loro lavoro, pubblicato su Science Advances, potrebbe aprire la strada ad applicazioni commerciali dello stesso.

Con il rapido progresso della tecnologia AI, i ricercatori guardano all'hardware analogico, che può elaborare i calcoli AI in parallelo regolando la resistenza dei semiconduttori in base alla tensione o alla corrente. Tuttavia, lavorare con l'hardware analogico è molto più impegnativoa causa della variabilità dei segnali analogici, dei problemi di precisione e accuratezza, delle complessità di integrazione con i sistemi digitali, delle difficoltà di scalabilità, delle incongruenze di produzione e del consumo energetico più elevato. Questi fattori rendono i sistemi analogici più inclini al rumore e agli errori, richiedendo una progettazione e una calibrazione avanzate.

Il team di ricerca si è concentrato sui dispositivi ECRAM, che gestiscono la conduttività elettrica attraverso il movimento degli ioni. A differenza della memoria tradizionale, ECRAM utilizza una struttura a tre terminali per percorsi di lettura e scrittura separati, operando a bassa potenza. Il team ha fabbricato i dispositivi ECRAM in un array di 64×64, molto più grande rispetto al massimo precedente di array di 10×10.

I loro esperimenti hanno dimostrato che questi dispositivi hanno eccellenti caratteristiche elettriche e di commutazione, alta resa e uniformità. Hanno anche applicato un nuovo algoritmo di apprendimento, l'algoritmo Tiki-Taka, che ha massimizzato l'accuratezza della Rete neurale AI senza sovraccaricare le reti.

Il Professor Kim ha dichiarato che gli array su larga scala di dispositivi ECRAM e gli algoritmi di AI specifici per l'analogico offrono un potenziale di prestazioni di AI e di efficienza energetica di gran lunga superiore agli attuali metodi digitali. Questo studio è stato sostenuto da vari enti governativi e industriali coreani.