Novo Transistor

Uma equipe de pesquisa da Universidade da Pensilvânia, Sandia National Laboratories e Brookhaven National Laboratory revelou uma nova arquitetura de computação, baseada no princípio de computação em memória (CIM), que é totalmente livre de transistores - e isso pode provar consideravelmente mais eficiente para cargas de trabalho de inteligência artificial (IA), incluindo IA na borda.

"Mesmo quando usados ​​em uma arquitetura de computação em memória, os transistores comprometem o tempo de acesso dos dados", explica o colíder do projeto Deep Jariwala, processador assistente do departamento de Engenharia Elétrica e de Sistemas (ESE) da Universidade da Pensilvânia, explicando a decisão da equipe. para se afastar dos atuais blocos de construção padrão dos computadores modernos. "Eles exigem muita fiação no circuito geral de um chip e, portanto, usam tempo, espaço e energia além do que desejaríamos para aplicações de IA. A beleza de nosso design sem transistores é que ele é simples, pequeno e rápido e requer muito pouca energia."

A arquitetura da equipe baseia-se no princípio estabelecido de computação na memória (CIM), no qual tarefas selecionadas podem ser executadas diretamente onde os dados são mantidos sem o embaralhamento usual necessário para transferi-los para a CPU, GPU ou acelerador, processá-los , em seguida, retorne-o para a memória do sistema novamente. Usando o CIM, um grande gargalo é removido — e a eficiência do sistema aumenta drasticamente, pelo menos para cargas de trabalho selecionadas.

O que a equipe criou vai um estágio além, no entanto, não apenas eliminando os transistores, mas também mudando para um novo material semicondutor chamado nitreto de alumínio com liga de escândio (AlScN), que exibe comportamento de comutação ferroelétrica - comutação física consideravelmente mais rápida do que os materiais semicondutores tradicionais usado para dispositivos de memória não voláteis.

"Um dos principais atributos deste material é que ele pode ser depositado em temperaturas baixas o suficiente para ser compatível com fundições de silício", explica Troy Olsson, co-líder e professor assistente da ESE. "A maioria dos materiais ferroelétricos requer temperaturas muito mais altas. As propriedades especiais do AlScN significam que nossos dispositivos de memória demonstrados podem ir para o topo da camada de silício em uma pilha vertical heterointegrada."

"Pense na diferença entre um estacionamento de vários andares com capacidade para cem carros e uma centena de vagas individuais espalhadas em um único lote", continua Olsson. "O que é mais eficiente em termos de espaço? O mesmo vale para informações e dispositivos em um chip altamente miniaturizado como o nosso. Essa eficiência é tão importante para aplicativos que exigem restrições de recursos, como dispositivos móveis ou vestíveis, quanto para aplicativos que consomem muita energia, como data centers."

A arquitetura livre de transistores da equipe tem o potencial, afirma a equipe, de funcionar 100 vezes mais rápido que um processador convencional - oferecendo precisão superior. "Digamos", explica Jariwala, "que você tenha um aplicativo de IA que exija uma grande memória para armazenamento, bem como a capacidade de fazer reconhecimento e pesquisa de padrões. Pense em carros autônomos ou robôs autônomos, que precisam responder com rapidez e precisão a ambientes dinâmicos e imprevisíveis. Usando arquiteturas convencionais, você precisaria de uma área diferente do chip para cada função e queimaria rapidamente a disponibilidade e o espaço. Nosso design de ferrodiodo permite que você faça tudo em um só lugar simplesmente mudando a maneira você aplica tensões para programá-lo."

"Esta pesquisa é altamente significativa", afirma o primeiro autor Xiwen Liu, candidato a Ph.D na ESE, "porque prova que podemos confiar na tecnologia de memória para desenvolver chips que integram vários aplicativos de dados de IA de uma forma que realmente desafia a computação convencional Projetamos hardware que faz o software funcionar melhor e, com essa nova arquitetura, garantimos que a tecnologia não seja apenas rápida, mas também precisa."

O trabalho da equipe foi publicado na revista Nano Letters sob termos fechados, com uma pré-impressão de acesso aberto disponível no servidor arXiv da Cornell.