Investigadores de UCSD desarrollan RRAM en bloque para reducir el cuello de botella de memoria en IA
Hecho Qué ha ocurrido
Investigadores de la Universidad de California, San Diego, presentaron en diciembre en la IEEE International Electron Device Meeting un nuevo tipo de memoria resistiva (RRAM) que permite realizar cálculos directamente en la memoria. El equipo, liderado por Duygu Kuzum, rediseñó completamente la arquitectura tradicional de RRAM eliminando los filamentos de bajo voltaje para usar conmutación de capas completas (bulk RRAM), logrando células de 40 nanómetros de ancho apiladas en hasta ocho capas, cada una capaz de 64 valores de resistencia diferentes en rango de megaohmios.
Resumen generado mediante IA a partir de IEEE Spectrum AI (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
El "muro de memoria" es un problema crítico en IA: los modelos actuales pierden tiempo y energía transportando datos entre procesador y memoria. Una arquitectura que permita computación en memoria podría acelerar significativamente modelos de IA, especialmente en dispositivos periféricos que deben aprender sin conectarse a la nube.
- Quién se ve afectado
- Fabricantes de chips, desarrolladores de IA en dispositivos periféricos, empresas que despliegan modelos en edge computing, y sectores como IoT, wearables y robótica autónoma.
- Qué puede cambiar
- Si la retención de datos a temperaturas operacionales se confirma estable, la computación neuromorfa directa en memoria podría reemplazar la arquitectura Von Neumann tradicional en aceleración de IA, reduciendo latencia y consumo energético en dispositivos portátiles y embebidos.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Validación de retención de datos a temperaturas operacionales (el desafío clave identificado); adopción de bulk RRAM por fabricantes de semiconductores; comparativas de rendimiento energético frente a HBM tradicional; disponibilidad comercial de arrays RRAM de mayor escala; evolución de modelos edge-AI aprovechando esta arquitectura.
Recomendación Qué debería hacer una empresa
Empresas desarrollando soluciones de IA en edge deberían comenzar a evaluar en los próximos 12-18 meses la viabilidad de integrar bulk RRAM en prototipajes, en coordinación con fabricantes de chips, para anticipar transiciones tecnológicas en 2027-2028.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: IEEE Spectrum AI. La referencia es siempre el artículo original.
Ver fuente original ↗RRAMcomputación en memorianeuromorfaedge AI University of California San DiegoSandia National Laboratories computación en memoria edge AI memoria RRAM semiconductores
Relacionadas
Investigadores demuestran chip 3D monolítico que multiplica por cuatro el rendimiento en IA
Un equipo de Stanford, Carnegie Mellon, University of Pennsylvania y MIT ha presentado un prototipo de chip 3D monolítico fabricado en la foundry comercial…
Por qué importaLa arquitectura 3D monolítica aborda un problema crítico en IA: los modelos grandes pasan más tiempo esperando datos que calculando. Si se valida a…
Cornell Tech desarrolla receptor óptico para alimentar chips de IA con menos energía
Investigadores de Cornell Tech han presentado un nuevo diseño de receptor óptico que permite a los chips de IA modificar su memoria directamente mediante haces…
Por qué importaEl cuello de botella entre memoria y procesador en chips de IA es un problema crítico que limita la eficiencia de sistemas en data centers, vehículos…
Investigadores del MIT crean dispositivo nanomecánico que imita neuronas y une cálculo y memoria
Investigadores del MIT desarrollaron un dispositivo nanomecánico basado en una película de PDMS entre electrodos metálicos que combina cálculo y memoria en una…
Por qué importaEs un avance de investigación básica en computación neuromórfica y materia computacional que podría reducir drásticamente el consumo energético y la…
Analistas alertan que la memoria y el almacenamiento son el cuello de botella de la infraestructura de IA
El artículo, con declaraciones de Jim McGregor (Tirias Research), argumenta que la inferencia de IA y los agentes autónomos exigen repensar la arquitectura de…
Por qué importaLas empresas que despliegan IA en producción enfrentan cuellos de botella no solo en potencia de cómputo sino en cómo mueven y acceden a los datos…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.