Специалисты из США и TSMC разработали энергоэффективную память SOT-MRAM

Специалисты Техасского университета в Остине в партнерстве с компанией TSMC разработали и протестировали микросхемы с магнитной памятью типа SOT-MRAM, заточенные под рабочие нагрузки искусственного интеллекта. Подобная память гармонично объединяет молниеносную скорость работы, экономное энергопотребление и энергонезависимость, позволяя хранить информацию при выключенном питании.

В ходе тестирования опытных образцов на изменение состояния одного бита (из нуля в единицу и наоборот) уходило порядка 2 наносекунд при затратах энергии около 2 пикоджоулей. Авторы разработки подчеркивают, что традиционные аналоги в ряде сценариев демонстрируют в разы или даже на порядки более скромную скорость, расходуя на аналогичную операцию сотни пикоджоулей.

Ключевая характеристика SOT-MRAM долгое время воспринималась как ограничение: одна ячейка способна оперировать исключительно двумя состояниями — нулем или единицей. Для большинства современных ИИ-задач этого недостаточно, так как нейросетевым архитектурам требуются многоуровневые типы данных. Чтобы преодолеть этот барьер, ученым пришлось переписать алгоритмы под бинарную логику, не потеряв при этом в точности вычислений.

Пробные чипы успешно прошли испытания в различных сценариях: от инференса нейросетей и обучения бинарных сетей до вероятностного моделирования графов. Полученные данные подтверждают огромный потенциал SOT-MRAM для граничных вычислений (Edge AI), когда обработка информации происходит локально на самом устройстве, минуя облачную инфраструктуру.

В качестве примера можно привести умный протез руки, который способен самостоятельно анализировать сигналы с сенсоров и молниеносно реагировать на скачок температуры, не дожидаясь ответа от облака. Такой подход не только минимизирует задержки, но и существенно сберегает ресурсы аккумулятора, которые иначе ушли бы на беспроводную передачу и удаленные расчеты.

Тем не менее, полностью исключать облачные сервисы из цепочки не планируется. Для ресурсоемких задач, требующих максимальной точности и колоссальной вычислительной мощности, аппаратура сможет задействовать удаленные серверные мощности с графическими ускорителями.

В перспективе специализированные ускорители на базе SOT-MRAM способны взять на себя часть локальных ИИ-задач, которые сегодня ложатся на плечи центральных процессоров. Тем не менее, до коммерческого внедрения технологии пройдет немало времени. Инженерам еще предстоит добиться стабильности параметров кремниевых пластин и минимизировать разброс характеристик между ячейками, так как сейчас это способно негативно влиять на точность функционирования нейросетей.

Источник: iXBT