Nuevo transistor

Un equipo de investigación de la Universidad de Pensilvania, Sandia National Laboratories y Brookhaven National Laboratory ha presentado una nueva arquitectura informática, basada en el principio de computación en memoria (CIM), que está completamente libre de transistores, y eso podría resultar considerablemente más eficiente para las cargas de trabajo de inteligencia artificial (IA), incluida la IA en el perímetro.

"Incluso cuando se usan en una arquitectura de cómputo en memoria, los transistores comprometen el tiempo de acceso a los datos", explica la decisión del equipo el codirector del proyecto Deep Jariwala, procesador asistente del departamento de Ingeniería Eléctrica y de Sistemas (ESE) de la Universidad de Pensilvania. para alejarse de los bloques de construcción estándar actuales de las computadoras modernas. "Requieren mucho cableado en el circuito general de un chip y, por lo tanto, usan más tiempo, espacio y energía de lo que querríamos para las aplicaciones de IA. La belleza de nuestro diseño sin transistores es que es simple, pequeño y rápido y requiere muy poca energía".

La arquitectura del equipo se basa en el principio establecido de computación en memoria (CIM), en el que las tareas seleccionadas se pueden llevar a cabo directamente donde se guardan los datos sin la mezcla habitual requerida para transferirlos a la CPU, GPU o acelerador, procesarlos , luego devuélvalo a la memoria del sistema nuevamente. Con CIM, se elimina un gran cuello de botella y la eficiencia del sistema aumenta drásticamente, al menos para cargas de trabajo seleccionadas.

Sin embargo, lo que el equipo ha creado va un paso más allá, no solo eliminando los transistores, sino también cambiando a un material semiconductor novedoso llamado nitruro de aluminio con aleación de escandio (AlScN), que exhibe un comportamiento de conmutación ferroeléctrico, cambiando físicamente considerablemente más rápido que los materiales semiconductores tradicionales. Se utiliza para dispositivos de memoria no volátil.

"Uno de los atributos clave de este material es que puede depositarse a temperaturas lo suficientemente bajas como para ser compatible con las fundiciones de silicio", explica Troy Olsson, codirector y profesor asistente de ESE. "La mayoría de los materiales ferroeléctricos requieren temperaturas mucho más altas. Las propiedades especiales de AlScN significan que nuestros dispositivos de memoria demostrados pueden colocarse encima de la capa de silicio en una pila heterointegrada vertical".

"Piense en la diferencia entre un estacionamiento de varios pisos con capacidad para cien autos y cien espacios de estacionamiento individuales repartidos en un solo lote", continúa Olsson. "¿Qué es más eficiente en términos de espacio? Lo mismo ocurre con la información y los dispositivos en un chip altamente miniaturizado como el nuestro. Esta eficiencia es tan importante para las aplicaciones que requieren restricciones de recursos, como dispositivos móviles o portátiles, como lo es para aplicaciones que consumen mucha energía, como los centros de datos".

La arquitectura sin transistores del equipo tiene el potencial, afirma el equipo, de funcionar 100 veces más rápido que un procesador convencional, al tiempo que ofrece una precisión superior. "Digamos", explica Jariwala, "que tiene una aplicación de inteligencia artificial que requiere una gran memoria para el almacenamiento, así como la capacidad de realizar búsquedas y reconocimiento de patrones. Piense en automóviles autónomos o robots autónomos, que deben responder de manera rápida y precisa. a entornos dinámicos e impredecibles. Al usar arquitecturas convencionales, necesitaría un área diferente del chip para cada función y consumiría rápidamente la disponibilidad y el espacio. Nuestro diseño de ferrodiodo le permite hacerlo todo en un solo lugar simplemente cambiando la forma aplicas voltajes para programarlo".

"Esta investigación es muy significativa", afirma la primera autora Xiwen Liu, candidata a doctorado en la ESE, "porque demuestra que podemos confiar en la tecnología de memoria para desarrollar chips que integran múltiples aplicaciones de datos de IA de una manera que realmente desafía la computación convencional. tecnologías. Diseñamos hardware que hace que el software funcione mejor, y con esta nueva arquitectura nos aseguramos de que la tecnología no solo sea rápida, sino también precisa".

El trabajo del equipo ha sido publicado en la revista Nano Letters bajo términos cerrados, con una preimpresión de acceso abierto disponible en el servidor arXiv de Cornell.