Des chercheurs développent des semi-conducteurs ECRAM pour le matériel analogique afin d'améliorer les performances de l'IA

Une équipe de recherche dirigée par le professeur Seyoung Kim à POSTECH (Pohang University of Science & Technology), avec des collègues de l'université de Corée, a démontré le potentiel des dispositifs de mémoire vive électrochimique (ECRAM) pour améliorer les performances de calcul de l'intelligence artificielle. Leurs travaux, publiés dans Science Advances, pourraient ouvrir la voie à des applications commerciales de ce type.

Alors que la technologie de l'IA progresse rapidement, les chercheurs se tournent vers le matériel analogique, qui peut traiter les calculs de l'IA en parallèle en ajustant la résistance des semi-conducteurs en fonction de la tension ou du courant. Cependant, travailler avec du matériel analogique est beaucoup plus difficilela variabilité des signaux analogiques, les problèmes de précision et d'exactitude, la complexité de l'intégration avec les systèmes numériques, les difficultés d'évolutivité, les incohérences de fabrication et la consommation d'énergie plus élevée sont autant de facteurs qui font que les systèmes analogiques sont plus susceptibles d'avoir des effets négatifs sur l'environnement. Ces facteurs rendent les systèmes analogiques plus sensibles au bruit et aux erreurs, ce qui nécessite une conception et un étalonnage avancés.

L'équipe de recherche s'est concentrée sur les dispositifs ECRAM, qui gèrent la conductivité électrique par le biais du mouvement des ions. Contrairement à la mémoire traditionnelle, l'ECRAM utilise une structure à trois bornes pour des chemins de lecture et d'écriture séparés, fonctionnant à faible puissance. L'équipe a fabriqué des dispositifs ECRAM dans un réseau de 64×64, bien plus grand que le maximum précédent de réseaux de 10×10.

Leurs expériences ont montré que ces dispositifs présentent d'excellentes caractéristiques électriques et de commutation, un rendement élevé et une grande uniformité. Ils ont également appliqué un nouvel algorithme d'apprentissage, l'algorithme Tiki-Taka, qui a maximisé la précision du Réseau neuronal d'IA sans surcharger les réseaux.

Le professeur Kim a déclaré que les réseaux à grande échelle de dispositifs ECRAM et les algorithmes d'IA spécifiques à l'analogique offrent un potentiel de performances d'IA et d'efficacité énergétique bien supérieur aux méthodes numériques actuelles. Cette étude a été soutenue par divers organismes gouvernementaux et industriels coréens.