Computación estocástica en memoria PCM para llevar la IA a dispositivos conectados

  • Noticias y Actualidad

Internet cosas IoT

Investigadores de dos universidades chinas han propuesto un modelo de redes convolucionales profundas basado en computación estocástica para su uso en dispositivos de memoria multinivel de cambio de fase. Esto permitiría fabricar dispositivos móviles e IoT con capacidad para trabajar en las redes de inteligencia artificial del futuro.

El desarrollo de las redes neuronales convolucionales profundas (DCNN) promete un nuevo nivel de desarrollo para la inteligencia artificial, en el que los dispositivos formarán parte de redes inteligentes, con su propia capacidad para realizar operaciones complejas y trabajar juntos de forma inteligente. Para que estos aparatos, que pueden ser dispositivos móviles o IoT, puedan realizar operaciones como reconocimiento de patrones o clasificación inteligente de información a gran escala, se requiere un gran consumo de recursos informáticos y energía, algo que no incluye esta categoría de dispositivos.

Con el fin de solucionar este reto, se ha propuesto anteriormente el uso de la computación estocástica (SC) para reemplazar las operaciones aritméticas que consumen tantos recursos en las redes DCNN. Esto simplificaría la implementación de hardware en las unidades aritméticas y también permitiría reducir el consumo energético en dispositivos integrados. Pero los flujos de bits en este tipo de computación suelen exceder las limitaciones de la informática binaria convencional, lo que genera más presión en el lado del almacenamiento.

Ahora, un equipo de investigadores de la Universidad Shandong y de la Universidad de Tianjin ha propuesto el uso de memoria de cambio de fase multinivel (MLC-PCM), que proporciona una baja fuga de energía y una alta densidad de almacenamiento, que puede superar las limitaciones de la memoria DRAM para aplicaciones DCNN.

En el trabajo que han publicado en la revista Microprocessors and Microsystems explican que han diseñado una la tecnología de optimización SC-PCM para memoria PCM multinivel dedicada a la computación estocástica. Afirman que su diseño optimiza la latencia de escritura y el consumo de energía de este tipo de memoria, y proponen lo que denominan un modelo DC-DCNN multiprecisión eficaz por capas, que reduciría la escala de la red neuronal sin detrimento de la precisión de las redes neuronales convolucionales profundas.

Más información

¿Cuál es el futuro del mercado de almacenamiento? ¿Qué tecologías son las más adecuadas? Si quieres obtener más información sobre un segmento en crecimiento puedes visitar la página de nuestro colaborador Synology