¿Cómo funciona el nuevo chip de memoria asociativa?
Investigadores de la Universidad de Hong Kong (HKU) han desarrollado un chip memristor que expande la capacidad de la memoria asociativa inspirada en el cerebro, reduciendo al mismo tiempo los requisitos de hardware para sistemas de IA de bajo consumo.
La memoria asociativa permite recuperar información a partir de señales incompletas, de forma similar a como el cerebro reconoce a una persona con solo ver un rostro o recuerda una canción escuchando pocas notas. Las implementaciones convencionales están limitadas por el tamaño de la red; una mayor capacidad de memoria requiere más dispositivos, lo que aumenta el riesgo de confusión entre los patrones almacenados.
El equipo de HKU, liderado por el profesor Can Li y el estudiante de doctorado Chengping He, combinó un algoritmo de aprendizaje adaptativo por hardware con una arquitectura de red multicapa para superar esta limitación. El algoritmo compensa las imperfecciones individuales de cada dispositivo durante el entrenamiento, en lugar de tratar las variaciones en el hardware memristor real como errores.
¿Qué mejoras ofrece frente a los sistemas actuales?
Los resultados experimentales demostraron que el sistema puede manejar tanto datos binarios como de valor continuo, utilizando hasta un 95% menos de dispositivos. El chip alcanzó aproximadamente el doble de capacidad de almacenamiento que un diseño previo de vanguardia. Para datos estructurados del mundo real, su capacidad aumentó más rápido que el tamaño de la red, demostrando lo que los investigadores describen como una escala superlineal.
El diseño integrado aprovecha la operación paralela de la matriz de memristores (crossbar). Al actualizar la red simultáneamente, el chip redujo el tiempo de recuperación hasta en un 99.7% y mejoró la eficiencia energética hasta 8.8 veces en comparación con los enfoques convencionales.
Estos resultados fueron demostrados en un chip totalmente integrado construido sobre arreglos de memristores de 64 × 64, en lugar de basarse únicamente en simulaciones. La arquitectura podría soportar aplicaciones de IA centradas en la memoria donde los recursos informáticos y la energía son limitados.
Los investigadores ven un gran potencial para dispositivos inteligentes en el borde (edge computing), incluyendo sensores y dispositivos vestibles que operan lejos de los centros de datos. Este trabajo podría ayudar a hacer que el hardware neuromórfico sea más práctico al combinar una memoria asociativa de alta capacidad con un menor conteo de dispositivos, una recuperación más rápida y una eficiencia energética mejorada.
Vía Electronics For You.
