Los semiconductores de inteligencia artificial se están volviendo más programables. Un equipo de KAIST desarrolló un dispositivo cuyas características de respuesta se pueden programar para procesar datos que cambian a velocidades distintas. La tecnología redujo los errores de predicción en datos variables en el tiempo hasta en 40 veces, y se espera que mejore el desempeño de la IA en tiempo real en vehículos autónomos, robots y dispositivos vestibles.
¿Qué es un memtransistor dinámico programable?
KAIST anunció que un equipo de investigación liderado por el profesor titular Shinhyun Choi, de la Escuela de Ingeniería Eléctrica y de la Escuela de Posgrado en Tecnología de Semiconductores, desarrolló un memtransistor dinámico programable (PDM), un dispositivo semiconductor cuyas características de respuesta temporal se pueden ajustar a múltiples estados y retener, junto con un arreglo integrado basado en ese dispositivo. El primer autor del trabajo es Dae-won Kim, candidato a doctor de la misma escuela.
Un memtransistor es un dispositivo semiconductor de nueva generación que combina la función de almacenamiento de información propia de la memoria con la función de cómputo del transistor. En el PDM desarrollado, la capacidad de procesar datos mientras se retiene información previa permite que sus características de respuesta se ajusten y se conserven para los datos entrantes.
Los computadores y teléfonos actuales requieren procesamiento de software complejo para analizar datos que cambian en el tiempo, lo que se traduce en cargas de cálculo grandes y alto consumo de energía. Para resolverlo, la investigación viene explorando tecnologías que permitan al propio hardware semiconductor procesar los datos de forma directa. El problema es que los dispositivos convencionales tienen velocidades de respuesta fijas que no se pueden cambiar una vez fabricado el chip.
¿Cómo se programa el "sentido del tiempo" de un chip?
El equipo superó esa limitación introduciendo una estructura de doble capa dentro del transistor, que combina una capa de almacenamiento de carga, encargada de acumular y procesar datos, con una capa de atrapamiento de electrones que controla la velocidad de respuesta de forma no volátil.
En el PDM, los datos entrantes se procesan en la capa de almacenamiento de carga, mientras la capa de atrapamiento de electrones controla, en múltiples niveles, la velocidad de recuperación con la que el semiconductor vuelve a su estado original. En los experimentos, el equipo logró sintonizar el tiempo de recuperación de corriente en un rango de aproximadamente cinco veces, y la frecuencia característica en un rango de más de diez veces.
En particular, en experimentos de predicción sobre datos donde se entremezclan cambios rápidos y lentos, el PDM redujo los errores de predicción hasta 40 veces en comparación con dispositivos semiconductores de respuesta fija.
El dispositivo permite un procesamiento preciso incluso cuando varía la velocidad de la escritura a mano o del movimiento de un objeto, usando características de respuesta configuradas para calzar con distintas escalas temporales de entrada. Una vez fijadas esas características, el dispositivo las recuerda sin necesidad de alimentación externa continua, y no requiere preprocesamiento complejo de los datos de entrada. Como es plenamente compatible con los materiales usados en procesos de semiconductores comerciales ampliamente adoptados, resulta además muy conveniente para producción masiva y comercialización.
El equipo fabricó un arreglo de PDM y lo usó para predecir datos complejos, confirmando que alcanzaba una precisión comparable a la de sistemas basados en software convencionales, pero consumiendo mucha menos energía.
¿Cuál fue el mayor desafío técnico?
En una entrevista exclusiva con Tech Briefs, editada por extensión y claridad, Choi detalla los obstáculos del desarrollo.
"Uno de los mayores desafíos al desarrollar el PDM fue diseñar la compuerta de doble función para que sus funciones volátil y no volátil pudieran operar de manera independiente y confiable. Para una operación estable, ambas funciones deben trabajar en regímenes de voltaje y tiempo claramente separados. Por eso diseñamos la función volátil para que se accione con pulsos de entrada de voltaje relativamente bajo en escala de nanosegundos, mientras la función de memoria no volátil se programa a voltajes más altos en escala de milisegundos."
Esa separación exigió una selección y optimización cuidadosa de los materiales, los espesores de capa y las interfaces de la compuerta. En el caso del arreglo, los desafíos fueron otros.
"Los principales desafíos fueron mantener características temporales consistentes entre múltiples dispositivos y establecer un esquema de polarización para la programación no volátil independiente de cada celda. La variación entre dispositivos se vuelve cada vez más importante a medida que crece el tamaño del arreglo. Adoptamos un esquema de media polarización para programar de forma selectiva la celda objetivo, minimizando los cambios no deseados en las celdas vecinas."
¿Cómo funciona, en simple?
Choi propone una analogía.
"Una forma simple de pensar el PDM es como un camaleón programable. Así como un camaleón adapta su respuesta a distintos entornos, a nuestro dispositivo se le puede dar un sentido del tiempo diferente, reteniendo la información entrante en escalas más cortas o más largas."
Algunos PDM se pueden programar con respuestas temporales cortas para capturar información que cambia rápido, como latidos cardíacos, señales neuronales, habla o cuadros de video. Otros admiten respuestas temporales largas, adecuadas para cambios lentos como la temperatura ambiental o señales de sensores industriales que varían de forma gradual. Al combinar esas respuestas distintas en un mismo arreglo, el sistema procesa información de múltiples escalas temporales al mismo tiempo.
¿Cuáles son los próximos pasos?
El trabajo futuro avanza en dos direcciones. La primera es escalar el arreglo e integrarlo con circuitos periféricos de entrada, lectura y aprendizaje. El PDM está construido sobre una plataforma de silicio compatible con el procesamiento convencional de semiconductores, lo que abre un camino claro hacia la integración en un solo chip capaz de ejecutar el flujo completo de procesamiento de series de tiempo, desde la señal de entrada hasta la predicción, en tiempo real.
La segunda es integrar el PDM con distintos tipos de sensores para procesar señales multimodales con características temporales diferentes. Acercando el sensado y el procesamiento de series de tiempo dentro del propio hardware, el objetivo es desarrollar electrónica de IA en el borde capaz de procesar de forma directa señales reales diversas con baja latencia y alta eficiencia energética.
Choi también apunta a un horizonte más amplio: las respuestas temporales programables podrían servir para filtrado y codificación temporal en procesamiento cercano al sensor, y para implementar comportamientos configurables de integración y decaimiento en neuronas artificiales o circuitos dendríticos. En ese marco, el PDM funcionaría como bloque constructivo de electrónica neuromórfica reconfigurable.
