Nueva memoria reduce energía y revoluciona el futuro de la IA urgente
En Texas, un equipo de ingenieros de la Universidad de Texas ha logrado un avance clave para la inteligencia artificial (IA) junto a Taiwan Semiconductor Manufacturing Company (TSMC), la mayor fundición de semiconductores a nivel global. Su objetivo: crear y probar una memoria emergente que optimiza el uso de energía en la IA. Los detalles aparecen en 'Science Advances'.
Esta nueva memoria, llamada SOT-MRAM, destaca por su capacidad para guardar datos incluso sin corriente eléctrica. Emplea propiedades magnéticas, lo que se traduce en mayor velocidad y menor consumo de energía frente a otras tecnologías de almacenamiento.
Sam Liu, el primer autor y recién doctorado en la Universidad de Texas en Austin, señala que esta memoria combina rapidez, eficiencia y resistencia. Aunque la SOT-MRAM solo maneja dos estados, su diseño mantiene la precisión necesaria para aplicaciones de IA en dispositivos con recursos limitados.
- SOT-MRAM, la memoria para IA
- Rendimiento y eficiencia comprobados
- Impacto energético y futuro de la tecnología
SOT-MRAM, la memoria para IA
Los investigadores testearon chips con SOT-MRAM en diversas tareas complejas de inteligencia artificial, desde inferencias hasta el entrenamiento de redes neuronales binarias y el modelado probabilístico.
Los resultados sorprendieron: para una operación de escritura estándar (cambio entre 0 y 1), se tardaron solo 2 nanosegundos y el consumo energético fue ínfimo, alrededor de 2 picojulios. Comparados con otras memorias que requieren desde varios milisegundos hasta energías mucho mayores, estos resultados son revolucionarios.
Rendimiento y eficiencia comprobados
El crecimiento acelerado de la inteligencia artificial y sus centros de datos lleva a un aumento brutal de la demanda energética, especialmente en Texas, que podría convertirse en la capital estadounidense de centros de datos y multiplicar por cinco su consumo energético actual.
Reducir este impacto pasa por dos vías claras: mejorar la eficiencia tecnológica y limitar la dependencia de grandes centros. La memoria SOT-MRAM apunta a cumplir ambas, acelerando avances clave.
Jean Anne Incorvia, profesora asociada y líder del proyecto, afirma que estos aceleradores basados en SOT-MRAM pueden ser lo suficientemente precisos y eficientes para desplazar a los procesadores tradicionales en dispositivos periféricos, acercando la IA a sensores y otros aparatos al borde de la red.
Impacto energético y futuro de la tecnología
Un ejemplo claro: una mano robótica equipada con IA y SOT-MRAM podría reaccionar al calor localmente, sin necesidad de enviar señales a una nube o centro de datos. Solo cuando se requiere máxima precisión, recurriría a un centro basado en GPU.
El equipo continuará perfeccionando esta tecnología para mantener la rapidez y eficiencia, reduciendo las variaciones entre dispositivos, lo que podría afectar la precisión de la IA. Este avance promete revolucionar la manera en que se integran las memorias en el hardware de inteligencia artificial.
