В ходе испытаний переключение одного бита в экспериментальных ячейках занимало около 2 наносекунд, потребляя всего 2 пикоджоуля. Эти показатели значительно превосходят традиционные аналоги, требующие сотни пикоджоулей на аналогичные операции. Главной сложностью стала двоичная природа памяти: нейросети привыкли к более сложным структурам, поэтому ученым пришлось адаптировать алгоритмы под формат «0» и «1» без существенной потери точности вычислений.
TSMC представила энергоэффективную память для ИИ
Инженеры Техасского университета в Остине и специалисты TSMC разработали чипы SOT-MRAM, способные радикально снизить затраты энергии при работе нейросетей. Технология позволяет устройствам мгновенно обрабатывать данные локально, сохраняя информацию даже при полном отключении питания, что открывает новые возможности для автономной робототехники и периферийных вычислений.
Тестирование подтвердило эффективность решения для инференса и обучения нейросетей. Роботизированная конечность, оснащенная такими чипами, способна самостоятельно обрабатывать сигналы датчиков и реагировать на внешние угрозы без обращения к облачным серверам. Это исключает задержки при передаче данных и экономит заряд аккумуляторов. Несмотря на потенциал, технология пока не готова к массовому внедрению: разработчикам необходимо устранить нестабильность характеристик отдельных ячеек, которая сейчас влияет на итоговую точность работы моделей.
Комментарии (0)
Пока нет комментариев. Будьте первым!