Analoge halfgeleidertechnologie verbetert efficiëntie AI-training met ECRAM-geheugen en tiki-taka-algoritme

AmsterdamEen onderzoeksteam van POSTECH en de Korea University heeft de AI-computing verbeterd met analoge hardware. Ze hebben aangetoond dat Electrochemical Random Access Memory (ECRAM)-apparaten de prestaties van AI kunnen verhogen. Deze doorbraak is gericht op het overwinnen van de beperkingen van traditionele digitale hardware, zoals CPU's en GPU's, die moeite hebben met de schaalbaarheid van AI-toepassingen.

Belangrijke kenmerken van de nieuwe technologie:

• Met analoge hardware die een kruispunt-arraystructuur gebruikt voor parallelle verwerking.
• ECRAM-apparaten beheren de elektrische geleiding via ionenbeweging.
• De technologie heeft een drieklemstructuur voor energiezuinig gebruik.
• Het onderzoeksteam heeft met succes een 64×64 ECRAM-array gefabriceerd.

Een onderzoek gepubliceerd in Science Advances toont aan dat ECRAM-apparaten, gerangschikt in een raster van 64x64, uitstekend presteren qua elektrische eigenschappen en schakelcapaciteit. Ook waren de slagingspercentages en consistentie hoog. Dit is opmerkelijk omdat eerdere arrays slechts 10x10 waren. Met behulp van het geavanceerde leeralgoritme Tiki-Taka verbeterden ze de nauwkeurigheid van AI-neurale netwerken aanzienlijk.

Een cruciaal onderdeel van dit onderzoek is hoe de hardware het "gewicht" behoudt, wat betekent dat het blijft leren zonder het neurale netwerk te overbelasten. In tegenstelling tot reguliere halfgeleidergeheugens, is het drieledige systeem van ECRAM voor het lezen en schrijven van gegevens efficiënter en verbruikt het minder energie. Dit is vooral belangrijk voor commerciële toepassingen waar energiebesparing van groot belang is.

Lees ook:

Vandaag · 14:35

AI-chatbots bieden nauwkeurige adviezen bij lage rugpijn.

Dit onderzoek kan een grote invloed hebben op AI-computatie. Analoge hardware maakt parallelle verwerking mogelijk, iets wat digitale hardware minder efficiënt kan. Dit is vooral nuttig voor taken die continue dataverwerking vereisen. Het kan leiden tot verbeteringen in diverse AI-gebieden, waaronder generatieve AI en efficiëntere machine learning modellen.

Ondersteuning van het Ministerie van Handel, Industrie en Energie en andere organisaties benadrukt het belang van dit onderzoek voor industriële technologie en halfgeleiderontwikkeling. Analoge hardware ontworpen voor AI kan de sector transformeren door een schaalbaardere en efficiëntere manier te bieden om AI-berekeningen te verwerken.

Het grootschalige succes van ECRAM-apparaten toont hun potentieel voor commercieel gebruik aan en suggereert dat analoge hardware voordelen kan bieden boven digitale oplossingen voor AI-training en taken. Deze ontwikkeling stuwt niet alleen de technologie vooruit, maar creëert ook nieuwe mogelijkheden om AI-capaciteiten efficiënt te verbeteren.