La computación analógica puede resolver ecuaciones complejas y ahorrar energía

Un equipo de investigadores ha demostrado que su dispositivo informático analógico, llamado memristor, puede completar tareas informáticas científicas complejas sin pasar por las limitaciones de la informática digital.

Muchas de las cuestiones científicas importantes de hoy en día, desde el modelado de materiales a nanoescala hasta el clima a gran escala, pueden explorarse utilizando ecuaciones complejas.

Sin embargo, los sistemas informáticos digitales actuales están llegando a su límite para realizar estos cálculos en términos de velocidad, consumo energético e infraestructura.

Qiangfei Xia, profesor de Ingeniería Eléctrica e Informática de la University of Massachusetts Amherst o UMass Amherst (EE. UU.) y uno de los autores de la investigación, explica que, con los métodos informáticos actuales, cada vez que se quiere almacenar información o encomendar una tarea a un computador, es necesario mover datos entre la memoria y las unidades de cálculo.

Con tareas complejas que mueven grandes cantidades de datos, se produce una especie de atasco en el procesamiento.

Una forma en que la informática tradicional ha intentado resolver esto es aumentando el ancho de banda.

En cambio, Xia y sus colegas de la UMass Amherst, la Universidad del Sur de California y el fabricante de tecnología informática TetraMem Inc. han implementado la computación en memoria con tecnología de memristor analógico como una alternativa que puede evitar estos cuellos de botella al reducir la cantidad de transferencias de datos.

Recordemos que un memristor es un tipo de dispositivo electrónico no volátil que regula el flujo de corriente eléctrica en un circuito y también recuerda la cantidad de carga que ha pasado a través de él en el pasado.

La palabra memristor es una contracción de resistor de memoria, ya que combina las propiedades de la memoria y la resistencia en un solo componente.

Fue teorizado por primera vez en 1971 por el ingeniero eléctrico Leon Chua, pero no fue hasta 2008 que se fabricó el primer memristor práctico.

La propiedad distintiva de un memristor es su capacidad para retener un estado de resistencia incluso después de que se haya apagado la alimentación.

Esto lo hace potencialmente útil en una variedad de aplicaciones de almacenamiento y computación, especialmente en la construcción de computadoras que imitan el funcionamiento del cerebro humano (neurocomputación) y en el almacenamiento de datos no volátil de alta densidad.

En términos técnicos, la resistencia de un memristor cambia en función de la historia de la corriente eléctrica que ha pasado a través de él.

Esto significa que puede operar como un dispositivo analógico que tiene una gama infinita de posibles estados de resistencia, lo cual es diferente de los dispositivos digitales tradicionales que solo operan con estados discretos (por ejemplo, 0 y 1 en el caso de la memoria tradicional de computadora).

El dispositivo memristor puede programarse en varios niveles de resistencia, lo que aumenta la densidad de información en una célula.

Cuando se organiza en una matriz de barras cruzadas, un circuito memristivo de este tipo realiza la computación analógica utilizando leyes físicas de forma masivamente paralela, lo que acelera sustancialmente la operación matricial, el cálculo más utilizado pero que consume mucha energía en las redes neuronales.

La computación se realiza en el propio dispositivo, en lugar de trasladar los datos entre la memoria y el procesamiento.

Utilizando la analogía del tráfico, Xia compara la computación en memoria con las carreteras casi vacías que se veían en el apogeo de la pandemia:

“Se eliminaba el tráfico porque [casi] todo el mundo trabajaba desde casa, dice Xia .

Y añade: Trabajamos simultáneamente, pero solo enviamos los datos/resultados importantes”.

Anteriormente, estos investigadores demostraron que su memristor puede realizar tareas informáticas de baja precisión, como el aprendizaje automático.

Otras aplicaciones han sido el procesamiento de señales analógicas, la detección por radiofrecuencia y la seguridad del hardware.

“En este trabajo, proponemos y demostramos una nueva arquitectura de circuitos y un protocolo de programación que pueden representar eficazmente números de alta precisión utilizando una suma ponderada de múltiples dispositivos analógicos de precisión relativamente baja, como los memristores, con una sobrecarga de circuitos, energía y latencia muy reducida en comparación con los enfoques de cuantización existentes“, afirma Xia.

“El avance de este artículo en concreto es que ampliamos los límites, explica Xia.

Y continúa: Esta tecnología no solo sirve para la computación de redes neuronales de baja precisión, sino también para la computación científica de alta precisión”.

Para la demostración de la prueba de principio, el memristor resolvió ecuaciones diferenciales parciales estáticas y temporales, ecuaciones de Navier-Stokes y problemas magnetohidrodinámicos.

“Salimos de nuestra zona de confort y fuimos más allá de los requisitos de baja precisión de las redes neuronales de edge computing para llegar a la computación científica de alta precisión”, comenta Xia.

El equipo de la UMass Amherst y sus colaboradores tardaron más de una década en diseñar un dispositivo memristor adecuado y construir circuitos y chips informáticos de tamaño considerable para la computación analógica en memoria.

“Nuestras investigaciones de la última década han hecho del memristor analógico una tecnología viable.

Ha llegado el momento de trasladar una tecnología tan fantástica a la industria de semiconductores en beneficio de la amplia comunidad de hardware de IA”, afirma Xia.

Fuente: University of Massachusetts