TSMC y científicos estadounidenses crean memoria SOT-MRAM para IA

Ingenieros de la Universidad de Texas, en colaboración con TSMC, han desarrollado y probado un chip de memoria magnética ultra eficiente llamado SOT-MRAM, optimizado para tareas de inteligencia artificial. Según ixbt.com, esta nueva tecnología combina alta velocidad, bajo consumo de energía y la capacidad de retener datos incluso cuando se corta la alimentación, lo que podría ampliar significativamente las capacidades de los dispositivos en el futuro. Así lo informa Ixbt.com informa .

Durante las pruebas, los chips experimentales mostraron una alta eficiencia. En particular, el proceso de cambiar un bit en la celda de memoria entre los estados 0 y 1 tomó solo 2 nanosegundos y requirió aproximadamente 2 picojoules de energía. Los investigadores señalan que algunas tecnologías de memoria alternativas pueden consumir cientos de picojoules por una sola operación, siendo varias o incluso decenas de veces más lentas.

Características únicas de la tecnología

La característica principal de la memoria SOT-MRAM se consideró durante mucho tiempo como una desventaja: cada celda solo puede almacenar dos estados, 0 o 1. Sin embargo, dado que las redes neuronales suelen trabajar con formas de datos más complejas, esto no era suficiente para las tareas de IA. Por ello, los científicos tuvieron que adaptar los algoritmos existentes al formato binario manteniendo una precisión de cálculo aceptable.

Los nuevos chips experimentales fueron probados simultáneamente en varias tareas complejas, incluyendo la inferencia de redes neuronales, el entrenamiento de redes neuronales binarias y el modelado de grafos probabilísticos. Los resultados obtenidos demostraron que la tecnología SOT-MRAM podría ser extremadamente interesante para sistemas de IA periférica, donde los cálculos se realizan directamente en el dispositivo final en lugar de en un servidor central.

Importancia práctica y perspectivas

La implementación de esta tecnología brindará grandes ventajas para dispositivos inteligentes que operan en tiempo real. Por ejemplo, un brazo robótico podría procesar los datos de los sensores por sí mismo y reaccionar casi instantáneamente a un aumento brusco de temperatura sin enviar datos a servidores en la nube. Esto reduce significativamente el tiempo de transferencia y procesamiento en servidores remotos, además de disminuir el consumo de energía.

No obstante, estos sistemas no podrán prescindir totalmente de la computación en la nube. Para tareas complejas que requieren alta precisión o gran potencia de cálculo, los dispositivos seguirán enviando datos a servidores equipados con GPU. En el futuro, los aceleradores especializados basados en SOT-MRAM podrían asumir parte de los cálculos de IA local que actualmente realiza el CPU.

Sin embargo, aún falta tiempo para que la tecnología se implemente en la práctica. Los expertos enfrentan el reto de mejorar la estabilidad de los chips y reducir las variaciones de parámetros entre celdas individuales, ya que en esta etapa, estos factores pueden afectar negativamente la precisión de las redes neuronales.