Nueva plataforma de computación neuromórfica basada en memoria 3D NAND
- Noticias y Actualidad
Expertos en ingeniería y computación estadounidenses han desarrollado una plataforma de computación neuromórfica ultracompacta basada en memoria 3D NAND. Su propuesta combina varias innovaciones que permiten aumentar la ventana de tiempo de entrada, reduciendo el retraso en la transferencia de datos que genera normalmente esta memoria con respecto a otras tecnologías aplicadas a la neurocomputación.
La computación neuromórfica es uno de los campos de desarrollo más interesantes de la informática actual, y muchos investigadores están trabajando en tecnologías que habiliten esta capacidad para construir redes de dispositivos que tratan de imitar el funcionamiento del cerebro humano. Estas se basan en aparatos con su propia capacidad de computación, que se interconectan en una red sofisticada en la que cada parte colabora en las labores de cálculo.
Para lograrlo se están valorando diferentes enfoques de computación en memoria, y uno de ellos pretende utilizar la muy extendida tecnología de memoria 3D NAND flash para realizar las operaciones de cálculo de la computación neuromórfica. El problema que presenta esta tecnología frente a otras memorias emergentes es que su rendimiento es inferior, pero también ofrece la ventaja de ser una tecnología probada y accesible, con un coste muy inferior a otras propuestas.
Recientemente, un equipo de expertos en computación de la Universidad de California han presentado una nueva tecnología que mejora el rendimiento de la memoria 3D NAND en aplicaciones de computación neuromórfica. Definen su desarrollo como un multiplicador vector por matriz (VMM) de dominio de tiempo ultracompacto y energéticamente eficiente, basado en una estructura de memoria 3D NAND comercial.
Según explican en su trabajo, publicado recientemente en la revista especializada Neuromorphic Computing and Engineering, 3D-VMM emplea un nuevo esquema resistivo sucesivo de integración reescalado (RSIR) que permite prescindir de un condensador de carga tan voluminoso como el que se emplea comúnmente en otras tecnologías similares. Esto reduce el tamaño general del dispositivo y el consumo energético de los VMM convencionales.
Según sus análisis, realizados en un nodo de tecnología de 55 nanómetros, la eficiencia de área de RSIR-3D-VMM y su eficiencia energética superan a las de enfoques 3D-VMM existentes en un factor de entre 1,3 y 5 veces. Y, a diferencia de estos, es posible adaptar esta tecnología para trabajar en un rango de salida más pequeño. Otra innovación que han desarrollado estos investigadores es lo que denominan 3D-aCortex, un procesador de inferencia neuromórfico multipropósito capaz de aprovechar el bloque 3D-VMM como unidad central de procesamiento.
En sus pruebas han demostrado que el modelado de rendimiento del 3D-aCortex dirigido a varios puntos de referencia de redes neuronales de última generación logra una eficiencia de almacenamiento récord de 30,7 MB mm2 y una eficiencia energética máxima de 113,3 Top/J y 10,66 Top/s en las tareas de computación neuromórfica. Y afirman que la mejora de eficiencia de área de RSIR proporciona un menor retraso en la transferencia de datos, logrando compensar la reducción de rendimiento de VMM gracias a una mayor ventana de tiempo de entrada.
Más información
¿Cuál es el futuro del mercado de almacenamiento? ¿Qué tecnologías son las más adecuadas? Si quieres obtener más información sobre un segmento en crecimiento puedes visitar la página de nuestro colaborador Western Digital
