Memristores moleculares cinéticos de 14 bits, de selección automática y simétrica lineal

Área de la Ciencia:

• Ciencias de los materiales
• Ingeniería informática
• Nanotecnología

Sus antecedentes:

• La Inteligencia Artificial (IA) se basa en centros de datos intensivos en recursos, lo que limita la accesibilidad.
• El hardware neuromórfico actual ofrece eficiencia energética pero carece de la precisión para tareas complejas de IA como el entrenamiento.
• La computación de alta resolución es esencial para el procesamiento de señales, el entrenamiento de redes neuronales y el procesamiento del lenguaje natural.

Objetivo del estudio:

• Introducir un nuevo memristor molecular analógico con alta resolución para aplicaciones avanzadas de IA.
• Demostrar un mecanismo simplificado y eficiente de actualización de peso para plataformas neuromórficas.
• Desarrollar un motor de barra transversal sin selector para la multiplicación rápida de vectores y matrices.

Principales métodos:

• Desarrollo de un memristor molecular análogo Ru-complejo con resolución de 14 bits.
• Utilizando un control cinético preciso para estados electrónicos moleculares estables y niveles de conductividad analógica distintos.
• Construcción de un motor de producto punteado basado en barra transversal de 64x64 sin selector.

Principales resultados:

• Se lograron 16.520 niveles de conductividad analógica distintos con actualizaciones lineales y simétricas.
• Habilitado la multiplicación vectorial-matriz, incluidas las transformadas de Fourier, en un solo paso de tiempo.
• Demostró una relación señal-ruido superior a 73 dB y un consumo de energía 460 veces menor que los ordenadores digitales.

Conclusiones:

• El memristor molecular ofrece un avance significativo en resolución y eficiencia para el hardware de IA.
• Esta tecnología puede extender la computación neuromórfica más allá de las aplicaciones de nicho.
• Los aceleradores de barra transversal desarrollados tienen el potencial de aumentar la electrónica digital desde la nube hasta el borde.