Los investigadores desarrollan una nueva memoria de consumo ultrabajo para la computación neuromórfica

Un equipo de investigadores coreanos ha desarrollado un nuevo dispositivo de memoria que puede usarse para reemplazar la memoria existente o implementar computación neuromórfica para hardware de inteligencia artificial de próxima generación por sus bajos costos de procesamiento y su consumo de energía ultrabajo.

El equipo de investigación del profesor Shinhyun Choi en la Escuela de Ingeniería Eléctrica KAIST desarrolló el dispositivo de memoria de cambio de fase de próxima generación con un consumo de energía ultrabajo que puede reemplazar la memoria flash DRAM y NAND. La investigación es publicado en el diario Naturaleza.

La memoria de cambio de fase existente tiene problemas como un proceso de fabricación costoso para fabricar dispositivos de gran escala y que requiere una cantidad sustancial de energía para su funcionamiento. Para resolver estos problemas, el equipo de investigación del profesor Choi desarrolló un dispositivo de memoria de cambio de fase de potencia ultrabaja formando eléctricamente un filamento cambiable de fase a escala nanométrica (nm) muy pequeña sin costosos procesos de fabricación. Este nuevo desarrollo tiene la ventaja no sólo de tener un costo de procesamiento muy bajo sino también de permitir operar con un consumo de energía ultrabajo.

DRAM, una de las memorias más utilizadas, es muy rápida, pero tiene características volátiles en las que los datos desaparecen cuando se apaga la energía. La memoria flash NAND, un dispositivo de almacenamiento, tiene velocidades de lectura/escritura relativamente lentas, pero tiene una característica no volátil que le permite conservar los datos incluso cuando se corta la energía.

La memoria de cambio de fase, por otro lado, combina las ventajas de la memoria flash DRAM y NAND, ofreciendo alta velocidad y características no volátiles. Por esta razón, la memoria de cambio de fase se destaca como la memoria de próxima generación que puede reemplazar la memoria existente y se está investigando activamente como una tecnología de memoria o tecnología de computación neuromórfica que imita el cerebro humano.

Sin embargo, los dispositivos de memoria de cambio de fase convencionales requieren una cantidad sustancial de energía para funcionar, lo que dificulta la fabricación de productos prácticos de memoria de gran capacidad o la realización de un sistema informático neuromórfico. Para maximizar la eficiencia térmica para el funcionamiento del dispositivo de memoria, los esfuerzos de investigación anteriores se centraron en reducir el consumo de energía reduciendo el tamaño físico del dispositivo mediante el uso de tecnologías de litografía de última generación, pero se encontraron con limitaciones en En términos prácticos, ya que el grado de mejora en el consumo de energía fue mínimo, mientras que el costo y la dificultad de fabricación aumentaron con cada mejora.

Para resolver el problema del consumo de energía de la memoria de cambio de fase, el equipo de investigación del profesor Shinhyun Choi creó un método para formar eléctricamente materiales de cambio de fase en un área extremadamente pequeña, implementando con éxito un dispositivo de memoria de cambio de fase de potencia ultrabaja que consume 15 veces menos energía. que un dispositivo de memoria de cambio de fase convencional fabricado con la costosa herramienta de litografía.

El profesor Shinhyun Choi expresó su gran confianza en cómo se extenderá esta investigación en el futuro en el nuevo campo de investigación y dijo: «El dispositivo de memoria de cambio de fase que hemos desarrollado es importante ya que ofrece un enfoque novedoso para resolver los problemas persistentes en la producción de una memoria. dispositivo con un coste de fabricación y una eficiencia energética muy mejorados.

«Esperamos que los resultados de nuestro estudio se conviertan en la base de la futura ingeniería electrónica, permitiendo diversas aplicaciones, incluida la memoria vertical tridimensional de alta densidad y sistemas de computación neuromórfica, ya que abrió las posibilidades de elegir entre una variedad de materiales».