La memoria no volátil abre el camino a la computación neuromórfica
- Noticias y Actualidad
El futuro de la inteligencia artificial más avanzada se encuentra en las redes neuromórficas, cuya arquitectura distribuida trata de emular al cerebro humano. En este tipo de redes la velocidad de acceso a los datos es fundamental, y la industria está apostando por las nuevas tecnologías de memoria no volátil, que permiten acelerar el rendimiento de lectura y escritura, tanto a nivel local como en las redes de almacenamiento.
La inteligencia artificial se presenta como parte indispensable del futuro tecnológico, proporcionando una ayuda invaluable a las empresas en sus negocios, a los gobiernos en su gestión y a las personas en su trabajo y en su vida diaria. La complejidad de las aplicaciones de IA está aumentando para incorporar nuevas capacidades, y para muchos el siguiente paso evolutivo de esta tecnología está en las redes neuromórficas. Se trata de arquitecturas TI distribuidas, inspiradas en la biología humana, con múltiples nodos de inteligencia artificial que trabajan juntos para proporcionar nuevos niveles de inteligencia.
Como en cualquier otra IA, que necesita alimentarse de grandes cantidades de datos, la velocidad de acceso a la información es uno de los factores clave, y la industria está buscando la mejor fórmula en términos de costo, consumo de energía y rendimiento. Para muchos, la respuesta se encuentra en las nuevas tecnologías de memoria no volátil, y un grupo de investigadores de la Universidad de Purdue, en Indiana (EEUU), ha ahondado en la cuestión para identificar los pros y los contras de esta solución.
Concretamente, se han centrado en la computación neuromórfica bioinspirada, que permite la inteligencia de máquina basada en picos. Según su punto de vista, las redes neuronales con picos (SNN) son las candidatas ideales para lograr una computación neuromórfica eficiente a todos los niveles, y la memoria no volátil es la respuesta para el apartado del almacenamiento y la memoria de trabajo. Y no solo por sus características físicas y energéticas, sino porque la física propia de estos dispositivos se puede usar para emular la dinámica de las neuronas y las sinapsis individuales.
Afirman que se pueden conectar múltiples dispositivos NVM en un circuito denso de tipo “barra transversal”, logrando el nivel de cálculo paralelo que requieren las redes neuronales y la IA del futuro. Y este tipo de barras se pueden interconectar a través de una arquitectura distribuida para incrementar ese paralelismo al máximo, logrando una versión modificada de la arquitectura convencional de von-Neumann.
Más información
¿Cuál es el futuro del mercado de almacenamiento? ¿Qué tecnologías son las más adecuadas para las empresas? Si quieres obtener más información sobre un segmento en crecimiento puedes visitar la página de nuestro colaborador HPE.
