Ny teknologi kan hjælpe med at løse AIs hukommelsesflaskehals

Hukommelsessulten, energisparende big data kunne endelig have mødt sit match.

Elektriske ingeniører ved Northwestern University og University of Messina i Italien har udviklet en ny magnetisk hukommelsesenhed, der potentielt kan understøtte stigningen i datacentrisk computing, som kræver stadig større magt, opbevaring og hastighed.

Baseret på antiferromagnetiske (AFM) materialer, enheden er den mindste af sin art nogensinde demonstreret og fungerer med rekordlav elektrisk strøm til at skrive data.

"Stigningen af ​​big data har muliggjort fremkomsten af ​​kunstig intelligens (AI) i skyen og på kantudstyr og er grundlæggende ved at transformere computingen, netværks- og datalagringsindustrier, "sagde det nordvestlige Pedram Khalili, der ledede forskningen. "Imidlertid, eksisterende hardware kan ikke opretholde den hurtige vækst i datacentrisk computing. Vores teknologi kan muligvis løse denne udfordring. "

Forskningen vil blive offentliggjort den 10. februar i tidsskriftet Naturelektronik .

Khalili er lektor i el- og computerteknik i Northwestern's McCormick School of Engineering. Han ledede undersøgelsen sammen med Giovanni Finocchio, en lektor i elektroteknik ved University of Messina. Teamet omfattede også Matthew Grayson, professor i elektroteknik og computerteknik ved McCormick. Jiacheng Shi og Victor Lopez-Dominguez, som begge er medlemmer af Khalilis laboratorium, fungerede som medforfattere af papiret.

Fra løfte til sandsynligt

Selvom AI tilbyder løfte om at forbedre mange områder af samfundet, herunder sundhedssystemer, transport og sikkerhed, det kan kun opfylde sit potentiale, hvis computing kan understøtte det.

Ideelt set, AI har brug for alle de bedste dele af nutidens hukommelsesteknologier:Noget så hurtigt som statisk random access memory (SRAM) og med en lagerkapacitet, der ligner dynamisk random access memory (DRAM) eller Flash. Oven i købet, det har også brug for lav effekttab.

"Der er ingen eksisterende hukommelsesteknologi, der opfylder alle disse krav, "Dette har resulteret i en såkaldt" hukommelsesflaskehals ", der i høj grad begrænser ydelsen og energiforbruget af AI-applikationer i dag."

For at imødekomme denne udfordring, Khalili og hans samarbejdspartnere kiggede på AFM -materialer. I AFM -materialer, elektroner opfører sig som små magneter på grund af en kvantemekanisk egenskab kaldet "spin, "men selve materialet viser ikke en makroskopisk magnetisering, fordi spinnene er justeret på en parallel måde.

Typisk, hukommelsesenheder kræver en elektrisk strøm for at gemme lagrede data. Men i AFM -materialer, det er de magnetisk ordnede spins, der udfører denne opgave, så en kontinuerlig påført elektrisk strøm er ikke nødvendig. Som en ekstra bonus, dataene kan ikke slettes af eksterne magnetfelter. Fordi tætpakket udstyr ikke vil interagere med magnetfelter, AFM-baserede enheder er meget sikre og nemme at nedskalere til små dimensioner.

Let anvendelig teknologi

Fordi de er iboende hurtige og sikre og bruger lavere strøm, AFM -materialer er blevet undersøgt i tidligere undersøgelser. Men tidligere forskere oplevede vanskeligheder med at kontrollere den magnetiske orden i materialerne.

Khalili og hans team brugte søjler af antiferromagnetisk platin mangan - en geometri, der ikke tidligere er undersøgt. Med en diameter på kun 800 nanometer, disse søjler er 10 gange mindre end tidligere AFM-baserede hukommelsesenheder.

Vigtigere, den resulterende enhed er kompatibel med eksisterende fremstillingsmetoder for halvleder, hvilket betyder, at nuværende produktionsvirksomheder let kunne tage den nye teknologi i brug uden at skulle investere i nyt udstyr.

"Dette bringer AFM-hukommelse-og dermed meget skaleret og højtydende magnetisk random-access-hukommelse (MRAM)-meget tættere på praktiske applikationer, "Khalili sagde." Dette er en stor ting for industrien, da der i dag er en stærk efterspørgsel efter teknologier og materialer til at udvide skalering og ydeevne af MRAM og øge afkastet af de enorme investeringer, som industrien allerede har foretaget i denne teknologi for at bringe det til fremstilling. "

Khalilis team arbejder allerede på de næste trin i retning af denne oversættelse til applikationer.

"Vi arbejder nu på at nedskalerere disse enheder yderligere og forbedre metoder til at aflæse deres magnetiske tilstand, "Sagde Khalili." Vi ser også på endnu mere energieffektive måder at skrive data til AFM-materialer på, såsom udskiftning af den elektriske strøm med en elektrisk spænding, en udfordrende opgave, der yderligere kan øge energieffektiviteten med en anden størrelsesorden eller mere. "