El MIT desarrolla un hardware que ofrece un cómputo más rápido para la inteligencia artificial

Hardware MIT.

Un equipo multidisciplinario de investigadores del Instituto Tecnológico de Massachussets (MIT) ha desarrollado un nuevo hardware para ofrecer un cómputo más rápido para la inteligencia artificial (IA). El hardware incorpora un material inorgánico práctico en el proceso de fabricación que permite que sus dispositivos funcionen un millón de veces más rápido que las versiones anteriores.

El nuevo hardware realiza el cálculo en la memoria, evitado las enormes cargas de datos de la memoria al procesador.

Además, este material inorgánico también hace que la resistencia sea extremadamente eficiente desde el punto de vista energético. A diferencia de los materiales utilizados en la versión anterior de su dispositivo, el nuevo material es compatible con las técnicas de fabricación de silicio. Este cambio ha permitido fabricar dispositivos a escala nanométrica y podría allanar el camino para la integración en hardware informático comercial para aplicaciones de aprendizaje profundo.

Aprendizaje profundo analógico

A medida que los científicos amplían los límites del aprendizaje automático, aumenta la cantidad de tiempo, energía y dinero necesarios para entrenar modelos de redes neuronales cada vez más complejos. Una nueva área de inteligencia artificial llamada aprendizaje profundo analógico promete un cálculo más rápido con una fracción del uso de energía.

El aprendizaje profundo analógico es más rápido y eficiente energéticamente que su contraparte digital, ya que el cálculo se realiza en la memoria, por lo que no se transfieren enormes cargas de datos de la memoria al procesador.

En base a esto, los investigadores incorporaron en su procesador analógico una nueva tecnología denominada resistencia programable protónica, la cual se mide en nanómetros y está dispuesta en una matriz, como un tablero de ajedrez. De esta forma, el nuevo procesador tiene la capacidad de aumentar y disminuir la conductancia eléctrica de las resistencias protónicas, permitiendo el aprendizaje automático analógico.

Resistencia protónica

La conductancia está controlada por el movimiento de los protones. Para aumentar la conductancia, se introducen más protones en un canal de la resistencia, mientras que para disminuir la conductancia se extraen protones. Esto se logra utilizando un electrolito que conduce protones, pero bloquea los electrones.

Para desarrollar una resistencia protónica programable súper rápida y de alta eficiencia energética, los investigadores buscaron diferentes materiales para el electrolito, centrándose en el vidrio de fosfosilicato inorgánico (PSG). Los investigadores plantearon la hipótesis de que un PSG optimizado podría tener una alta conductividad de protones a temperatura ambiente sin necesidad de agua, lo que lo convertiría en un electrolito sólido óptimo para esta aplicación.

Tras diversas pruebas, se demostró que el PSG permite el movimiento ultrarrápido de protones porque contiene una multitud de poros de tamaño nanométrico cuyas superficies proporcionan caminos para la difusión de protones. También puede soportar campos eléctricos pulsados ​​muy fuertes.

Por otro lado, este nuevo electrolito habilitó una resistencia protónica programable que es un millón de veces más rápida que su dispositivo anterior y puede operar de manera efectiva a temperatura ambiente, lo cual es importante para incorporarlo al hardware informático.

Gracias a las propiedades aislantes del PSG, casi no pasa corriente eléctrica a través del material cuando se mueven los protones. Esto hace que el dispositivo sea extremadamente eficiente desde el punto de vista energético.

 
 
Patrocinio Oro
Patrocinio Plata
Patrocinio Bronce
Salir de la versión móvil