Analoginen suljetun silmukan muistilaskenta

Milanon teknillisen korkeakoulun tutkijaryhmä professori Daniele Ielminin johdolla on tavoitellut energiankulutuksen dramaattista vähentämistä samalla kun suurten datamäärien käsittelyä nopeutetaan.

Äskettäin julkaistussa tutkimuksessa tutkijatiimi esitteli täysin integroidun analogiakiihdyttimen lineaaristen ja epälineaaristen yhtälöryhmien ratkaisemiseksi. Se on suunniteltu CMOS-teknologialla.

Kiíhdytin käyttää kahta 64×64-kokoista ohjelmoitavaa resistiivistä muistimatriisia: matriisi on eräänlainen "järjestetty ruudukko", joka koostuu identtisistä osista riveihin ja sarakkeisiin järjestettynä, jossa jokainen rivin ja sarakkeen leikkauspiste edustaa yhtä muistisolua.

Solut perustuvat SRAM-tekniikkaan (Static Random-Access Memory), joka on nopea ja vakaa muistityyppi, joka tässä tapauksessa on yhdistetty integroituihin vastuksiin eri resistanssitasojen ohjelmointia varten. Arkkitehtuuria täydentää innovatiivinen analogisen prosessoinnin malli, joka hyödyntää siruun integroituja komponentteja, kuten operaatiovahvistimia ja analogia-digitaalimuuntimia.

Tämä joukko mahdollistaa järjestelmän käsitellä monimutkaisia laskelmia suoraan muistirakenteessa, jolloin dataa ei tarvitse siirtää ulkoiselle prosessorille, mikä lyhentää laskenta-aikoja merkittävästi.

Testeissä siru saavutti samanlaisen tarkkuuden kuin perinteiset digitaaliset järjestelmät, mutta pienemmällä virrankulutuksella, pienemmällä laskentalatenssilla ja pienemmällä piin pinta-alalla.

Daniele Ielmini selvittääi: "Integroitu siru osoittaa vallankumouksellisen konseptin, kuten analogisen muistilaskennan, toteutettavuuden teollisessa mittakaavassa.

Työskentelemme jo tämän innovaation hyödyntämiseksi reaalimaailman sovelluksissa laskennan energiakustannusten vähentämiseksi, erityisesti tekoälyn alalla."

Tutkimus on tärkeä askel kohti kompaktimpia, nopeampia ja kestävämpiä laitteita, ja se avaa uusia näkökulmia tutkimukselle ja teollisuudelle. Muistilaskenta on ihanteellinen ratkaisu tilanteissa, jotka vaativat suurta suorituskykyä ja energiatehokkuutta, kuten tekoäly, suurten datamäärien käsittely ja seuraavan sukupolven langattomat viestintäjärjestelmät.

Sovellukset vaihtelevat robotiikasta datakeskuksiin ja navigointijärjestelmistä edistyneisiin tietoliikenneverkkoihin, kuten tulevaisuuden 5G- ja 6G-teknologioihin.

Laskentaa muistissa sähkökemiallisilla rakenteilla

Liukuvaa ferrosähköisyyttä ja timantteja