Onderzoekers ontwikkelen ECRAM-halfgeleiders voor analoge hardware om AI-prestaties te verbeteren

Een onderzoeksteam onder leiding van professor Seyoung Kim van POSTECH (Pohang University of Science & Technology), samen met collega's van de Universiteit van Korea, heeft het potentieel aangetoond van elektrochemische Random Access Memory (ECRAM) apparaten om de rekenprestaties van AI te verbeteren. Hun werk, gepubliceerd in Science Advances, kan de weg vrijmaken voor commerciële toepassingen van hetzelfde.

Naarmate de AI-technologie zich snel ontwikkelt, kijken onderzoekers naar analoge hardware, die AI-berekeningen parallel kan verwerken door de weerstand van halfgeleiders aan te passen op basis van spanning of stroom. Het werken met analoge hardware is echter een stuk uitdagendervanwege de variabiliteit van analoge signalen, precisie- en nauwkeurigheidsproblemen, integratieproblemen met digitale systemen, schaalbaarheidsproblemen, fabricage-inconsistenties en een hoger stroomverbruik. Deze factoren maken analoge systemen gevoeliger voor ruis en fouten, waardoor een geavanceerd ontwerp en kalibratie nodig zijn.

Het onderzoeksteam richtte zich op ECRAM apparaten, die elektrische geleiding beheren door middel van ionenbeweging. In tegenstelling tot traditionele geheugens gebruikt ECRAM een structuur met drie terminals voor gescheiden lees- en schrijfpaden, en werkt het met een laag stroomverbruik. Het team fabriceerde ECRAM-apparaten in een 64×64 array, veel groter dan het vorige maximum van 10×10 arrays.

Uit hun experimenten bleek dat deze apparaten uitstekende elektrische en schakelkarakteristieken, een hoge opbrengst en uniformiteit hebben. Ze pasten ook een nieuw leeralgoritme toe, het Tiki-Taka algoritme, dat de nauwkeurigheid van AI neurale netwerken training zonder de netwerken te overbelasten.

Professor Kim verklaarde dat grootschalige arrays van ECRAM apparaten en analoog-specifieke AI-algoritmen mogelijkheden bieden voor AI-prestaties en energie-efficiëntie die veel verder gaan dan de huidige digitale methoden. Dit onderzoek werd ondersteund door verschillende Koreaanse overheids- en industriële instanties.