[ad_1]
Los memristores o resistencias de memoria son una nueva forma de memoria no volátil que se considera una alternativa viable al almacenamiento de memoria tradicional. Estos dispositivos actúan como interruptores que pueden recuperar su estado eléctrico incluso cuando se corta la energía, lo que les permite comportarse como neuronas humanas, procesando y almacenando datos.
Los memristores son un tema de investigación candente debido a sus muchas propiedades únicas, incluida la escalabilidad para reducir los nodos de proceso, lo que permite dispositivos más pequeños, más rápidos y con mayor eficiencia energética.
Conjuntos de barras transversales de memristor a nivel de oblea Cea-Letis con un probador. Imagen (modificada) cortesía de Cea-Leti
Ahora, a medida que crece la demanda de computadoras más sofisticadas y eficientes energéticamente, los memristores son prometedores para diversas aplicaciones, incluidas la inteligencia artificial, la computación neuromórfica y el almacenamiento de datos de alta densidad. En los últimos meses, varios equipos de investigación internacionales han publicado hallazgos sobre memristores que podrían ayudar a llevar esta tecnología del laboratorio al mercado.
La Universidad de Rochester: memristores de cambio de fase diseñados por ingeniería elástica
Investigadores de la Universidad de Rochester desarrollaron recientemente memristores de cambio de fase bipolares de alto rendimiento basados en ditelururos de molibdeno multicapa deformados (MoTe2).
El memristor basado en voltaje. Imagen cortesía de Naturaleza
Estos dispositivos se caracterizan por sus propiedades de cambio de fase bipolar y representan un avance significativo con respecto a los mecanismos tradicionales de conducción filamentosa. El estudio utiliza con éxito ingeniería de voltaje inducido por procesos para inducir una transición de fase semimetálica a semiconductora en MoTe2.
Esta transición es clave para lograr las notables características de conmutación del memristor, que incluyen voltajes bajos de 90 mV, altas relaciones de encendido/apagado de 10^8, tiempos de conmutación rápidos de 5 ns y tiempos de retención más largos de más de 10^5 segundos. Estas métricas de rendimiento demuestran el potencial de estos memristores para aplicaciones en sistemas informáticos neuromórficos y de memoria escalables, rápidos, de bajo consumo y robustos.
El rendimiento del dispositivo también se puede ajustar variando un único parámetro del proceso: la fuerza de la película metálica de contacto, un producto de la tensión y el espesor de la película. Este control sobre el voltaje de conmutación del dispositivo y la relación encendido/apagado resalta la adaptabilidad y el potencial del memristor para diversas aplicaciones.
Cea-Leti: uso de memristores para redes neuronales bayesianas
En Francia, un grupo de investigadores de Cea Leti anunció que ha integrado con éxito hardware de memristor en sistemas de inteligencia artificial. En particular, el equipo aprovechó la naturaleza probabilística inherente de los memristores para realizar de forma eficaz las tareas computacionalmente intensivas de las redes neuronales bayesianas.
Memristor de filamento en la parte posterior de la línea del proceso híbrido memristor/CMOS de Cea-Leti. Imagen cortesía de Naturaleza
En el estudio, el equipo programó una red neuronal bayesiana en una matriz de 75 matrices de barras transversales, cada una con 1.024 memristores, complementadas con periféricos CMOS para computación en memoria. El experimento involucró una red neuronal bayesiana de dos capas entrenada para distinguir nueve clases de arritmias cardíacas basándose en registros de electrocardiograma (ECG).
Los resultados experimentales fueron convincentes: la red neuronal bayesiana basada en memristores logró casi el mejor rendimiento de una red neuronal de software en términos de evaluación de la incertidumbre aleatoria (área bajo la curva de 0,91) y epistémica (área bajo la curva de 0,99). aunque con una ligera reducción en la precisión bruta. Este rendimiento contrasta marcadamente con las redes neuronales tradicionales, que tienen poca capacidad para reconocer datos desconocidos y evaluar incertidumbres.
Universidad de Tsinghua: memristores basados en materiales 2D
Finalmente, un equipo de la Universidad de Tsinghua en China desarrolló un nuevo chip de computación en memoria memristor integrado en el sistema que, según los investigadores, es el primero de su tipo en el mundo que admite un aprendizaje eficiente en el chip. Se espera que este chip, que aún se encuentra en fase de laboratorio, avance significativamente en desarrollos en áreas como la inteligencia artificial, la conducción autónoma y los dispositivos wearables, entre otros.
El circuito integrado basado en memristor. Imagen cortesía de la Universidad de Tsinghua
El chip es particularmente eficiente energéticamente y consume solo el 3% de la energía de un sistema de circuito integrado de aplicación específica (ASIC) para el aprendizaje en el chip. Según el equipo, esta innovación comenzó con la investigación de memristores para aplicaciones de memoria y tardó unos 11 años en llegar a este punto.
Los memristores están ganando importancia internacional
Los memristores combinan informática y memoria en un solo dispositivo, abriendo nuevas fronteras para soluciones informáticas inteligentes, rápidas y energéticamente eficientes. A medida que los investigadores internacionales continúan explorando y perfeccionando la tecnología de memristores, están allanando el camino para sistemas informáticos más avanzados y eficientes que podrían definir la próxima generación de electrónica.
[ad_2]