El nuevo método de computación neuromórfica podría acelerar rápidamente el avance de la IA

El estudiante de doctorado Kiumars Aryana está investigando el potencial de implementar un nuevo tipo de memoria, memoria de cambio de fase, para descubrir cómo minimizar el consumo de energía y la degradación de los materiales de la computadora con el tiempo.Los descubrimientos de Aryana podrían abrir un rastro para que la táctica se use en la computación neuromórfica, un tipo de IA que imita las redes neuronales en el cerebro.Esto podría revolucionar la forma en que la inteligencia artificial, incluidos los dispositivos cotidianos como Alexa y Siri, se usa en todo el mundo.

PCM es una forma de memoria de computadora que almacena datos cambiando la fase de una aleación en particular.PCM eficiente y duradero permite velocidades de procesamiento cada vez más rápidas, que se construyen para mejorar las velocidades actuales de IA estándar de la industria.Esto requiere procesar a un ritmo aún más rápido que el cerebro humano.

El procesamiento más rápido permitirá que la computadora procese información en una fracción de segundo y pueda identificar las cosas rápidamente, tal como lo hace el cerebro humano.A medida que avanzan las capacidades de procesamiento de datos, la inteligencia artificial tiene el potencial de alcanzar capacidades extensas.

Aunque la tecnología que utilizamos hoy es sofisticada y compleja, el consumo de energía y la eficiencia en la memoria son limitaciones importantes que hasta ahora han evitado la inteligencia artificial, y nuestra capacidad colectiva para resolver problemas rápidamente, para alcanzar el siguiente nivel..Las computadoras cotidianas tienen almacenamiento a largo plazo y almacenamiento de memoria de acceso aleatorio a corto plazo, y para guardar datos para uso a largo plazo, uno tiene que guardarlo en la memoria a largo plazo.Las computadoras generalmente usan transistores para transmitir internamente estas señales eléctricas.

El uso de dos sistemas de memoria separados es limitante, y los investigadores están tratando de encontrar una manera de combinar los dos sistemas de memoria, eliminando la necesidad de que se comuniquen entre sí.Para hacerlo, Aryana y otros estudiantes de doctorado en el departamento de física están experimentando con la computación neuromórfica.

"No tenemos una sección [en nuestro cerebro] que almacene la memoria y una sección [separada] para procesar información", dijo Aryana."Procesamos la información entre las neuronas.Estamos tratando de hacer un motor de procesamiento en memoria donde procese la información dentro de ellos.."

La memoria de cambio de fase utiliza el calor para procesar y almacenar datos, reemplazando los transistores con un material que cambia entre dos estados para unir entre la memoria de la RAM y la memoria de almacenamiento a largo plazo.Estos cambios en el estado del material PCM son sustanciales y rápidos.

“What happens in these memory devices is that you melt the material and then you quench it," Aryana said.“Eso significa que el material aumenta a alrededor de 600 [grados] centígrados y luego se enfría rápidamente a temperatura ambiente en el orden de nanosegundos, por lo que es un proceso muy rápido."

El uso del calor en la memoria de cambio de fase es degradante para el material y consume una generosa cantidad de energía.Por lo tanto, el siguiente paso para desarrollar tecnología eficiente implica hacer que este proceso sea más eficiente y más duradero.

“We are looking to find material compositions and techniques in order to reduce power consumption for devices because one of the biggest limitations now associated with phase change memory is their large power consumption which stems from the use of heat to change phases," Aryana said.

El uso constante de la memoria de cambio de fase afecta las propiedades del material en la computadora.

“[Phase-change memory] results in segregation of these materials inside our alloy," Aryana said."Con el tiempo, a medida que repite este proceso una y otra vez, verá que su material se segregue.Ahora, tienes diferentes elementos dentro de una aleación uniforme."

Un componente importante de la investigación de Aryana es determinar qué composiciones materiales son más duraderas y minimizan el consumo de energía.Descubrió que una aleación conocida como telururo de silicio tiene la conductividad térmica más baja, lo que le permite aislar el calor a espesores minúsculos.

PhD Student MD Shafkat Bin Hoque a menudo colabora con Aryana y también estudia la gestión térmica de dispositivos electrónicos.Hoque está explorando cómo eliminar el calor de los sistemas de cambio de fase.La investigación de Hoque y Aryana son consideraciones importantes en la computación neuromórfica, ya que requiere que las computadoras sean más rápidas, más eficientes y duraderas..

“We are actively looking for means to remove that heat from transistors so it does not catch fire and it works efficiently as long as possible," Hoque said.“Mi propósito en esa investigación es encontrar diferentes materiales que puedan eliminar efectivamente el calor de los puntos calientes.."

Aunque la investigación de PCM tiene la intención de manifestarse en inteligencia artificial, todavía está en sus primeras etapas.Según Hoque, queda mucho trabajo para traducir su trabajo en la creación de una supercomputadora verdaderamente funcional.

“Supercomputers usually take a small part of the problem and then solve it," Hoque said."Pero si las supercomputadoras se vuelven más rápidas, pueden hacer todo el problema en lugar de solo una pequeña parte ... y es posible hacer que sean más eficientes en energía y de menor tamaño hasta el punto en que puedan estar disponibles en una computadora portátil o Mac."

Estos descubrimientos tienen el potencial de cambiar enormemente la forma en que interactuamos con la vida cotidiana de la inteligencia artificial.

“It all comes down to the technology and the devices, how fast this technology can process the data," Aryana said."Si podemos tener un procesador que sea significativamente más rápido, que pueda realizar todos estos cálculos en el acto, puede hacer que Alexa o Siri sea mucho más rápido porque pueden procesar la información más rápido.."

Lee mas