Исследователи разрабатывают полупроводники ECRAM для аналогового оборудования, чтобы повысить производительность искусственного интеллекта

Исследовательская группа под руководством профессора Сейунга Кима (Seyoung Kim) из POSTECH (Pohang University of Science & Technology) вместе с коллегами из Корейского университета, продемонстрировала потенциал устройств электрохимической памяти с произвольным доступом (ECRAM) для повышения вычислительной производительности ИИ. Их работа, опубликованная в журнале Science Advances, может проложить путь к коммерческому применению подобных устройств.

По мере быстрого развития технологий ИИ исследователи обращают внимание на аналоговое оборудование, которое может обрабатывать вычисления ИИ параллельно, регулируя сопротивление полупроводников в зависимости от напряжения или тока. Однако работа с аналоговым оборудованием намного сложнееиз-за изменчивости аналоговых сигналов, проблем с точностью и аккуратностью, сложностей интеграции с цифровыми системами, трудностей масштабируемости, несоответствий в производстве и более высокого энергопотребления. Эти факторы делают аналоговые системы более подверженными шуму и ошибкам, требуя усовершенствованного проектирования и калибровки.

Исследовательская группа сосредоточилась на устройствах ECRAM, которые управляют электропроводностью посредством движения ионов. В отличие от традиционной памяти, ECRAM использует трехтерминальную структуру для отдельных путей чтения и записи, работая при низком энергопотреблении. Команда изготовила устройства ECRAM в виде массива 64×64, что намного больше, чем предыдущие максимальные массивы 10×10.

Эксперименты показали, что эти устройства обладают превосходными электрическими и коммутационными характеристиками, высокой производительностью и однородностью. Они также применили новый алгоритм обучения, алгоритм Тики-Така, который максимизировал точность Нейронной сети искусственного интеллекта обучения нейронных сетей ИИ, не перегружая их.

Профессор Ким заявил, что крупномасштабные массивы устройств ECRAM и специфические аналоговые алгоритмы ИИ открывают потенциал для производительности и энергоэффективности ИИ, значительно превосходящий современные цифровые методы. Это исследование было поддержано различными правительственными и промышленными организациями Кореи.