POSTECH — InkDesign News — Pesquisadores da Pohang University of Science and Technology (POSTECH) descobriram um mecanismo inovador em dispositivos de memória eletroquímica que pode acelerar o processamento de machine learning e inteligência artificial (AI), reduzindo custos energéticos e de tempo.
Contexto da pesquisa
O avanço das tecnologias de AI e machine learning exige sistemas computacionais cada vez mais rápidos e eficientes. As arquiteturas tradicionais separam memória e unidade de processamento, causando atrasos e consumo elevado de energia devido à transferência constante de dados. Para superar essa limitação, o conceito de computação em memória tem ganhado destaque, onde cálculos são feitos diretamente na memória, eliminando a movimentação de dados.
Método proposto
A pesquisa explorou dispositivos de memória eletroquímica chamados ECRAM (Electrochemical Random-Access Memory), que armazenam e processam informações através do movimento iônico, permitindo armazenamento analógico contínuo. A equipe desenvolveu um dispositivo ECRAM multi-terminal utilizando óxido de tungstênio, aplicando o sistema de Hall de dipolo paralelo para observar a dinâmica eletrônica interna em temperaturas variando de -223ºC a temperatura ambiente (50K a 300K).
Foi revelado que as vacâncias de oxigênio dentro do dispositivo criam estados doadores rasos (~0,1 eV), formando “atalhos” que facilitam o transporte eletrônico sem aumentar a quantidade de elétrons. Esta característica mantém o funcionamento estável em baixas temperaturas, indicando robustez do sistema.
Resultados e impacto
A análise experimental detalhou como os mecanismos internos da ECRAM permitem operações rápidas e eficientes, fundamentais para a execução de algoritmos de machine learning, especialmente em ambientes onde o consumo energético e a latência são críticos. O dispositivo mostrou potencial de melhoria na performance para aplicações em AI graças à computação integrada à memória.
“Esta pesquisa é significativa pois esclareceu experimentalmente o mecanismo de troca da ECRAM em diversas temperaturas. A comercialização desta tecnologia pode levar a um desempenho mais rápido em AI e maior duração da bateria em dispositivos como smartphones, tablets e laptops.”
(“This research is significant as it experimentally clarified the switching mechanism of ECRAM across various temperatures. Commercializing this technology could lead to faster AI performance and extended battery life in devices such as smartphones, tablets, and laptops.”)— Seyoung Kim, Professor, POSTECH
O avanço pode impactar modelos de machine learning que exigem processamento contínuo e eficiente de grandes volumes de dados, oferecendo soluções para limitações atuais em hardware e energia.
Próximos passos incluem a otimização dos dispositivos ECRAM para integração comercial e testes em aplicações reais de inteligência artificial, com foco em reduzir ainda mais o consumo energético e aumentar a velocidade computacional.
Confira mais sobre inovações em machine learning e deep learning.
Fonte: (TechXplore – Machine Learning & AI)
