A medida que se difunden las aplicaciones de inteligencia artificial (IA), se deben realizar más cálculos de manera más eficiente con un menor consumo de energía, en dispositivos locales en lugar de centros de datos geográficamente distantes, para eliminar los retrasos en la respuesta. Un grupo de ingenieros de la Universidad de Tokio probó por primera vez el uso de materiales ferroeléctricos de óxido de hafnio (HfZrO 2) para la computación de depósitos físicos, un tipo de red neuronal que mapea datos en sistemas físicos, en una aplicación de reconocimiento de voz.
El desarrollo de la tecnología de inteligencia artificial y sus innumerables aplicaciones se ha disparado en los últimos años, pero una barrera importante para su mayor implementación es el enorme costo de computación y el consumo de energía. A esto se le añade que cuando los datos viajan a través de las redes a la velocidad de la luz, puede haber demoras de fracciones de segundo o más entre la solicitud de un usuario y la entrega de la respuesta de una aplicación. Esto se debe a las grandes distancias a medida que los fotones viajan miles de millas desde el usuario hasta el centro de datos, a veces a medio globo de distancia, y luego regresan. Para las aplicaciones de consumo, como los asistentes de voz, este pequeño retraso puede ser frustrante, pero para las aplicaciones de misión crítica como aquellas para el cuidado de la salud, la latencia puede costar vidas.
Reducción de la latencia y mayor ganancia de eficiencia
En este contexto, los ingenieros se centran en dos líneas: cambiar al menos parte de la computación requerida del software al hardware, y de los centros de datos centralizados, o la nube, a un dispositivo local. La primera estrategia es necesaria para obtener ganancias de eficiencias tanto en los programas que se están ejecutando como en las máquinas en las que se ejecutan. La segunda estrategia, conocida como computación perimetral, reduce la latencia ya que simplemente hay menos distancia para que viajen los datos.
Para abordar estos retos, los ingenieros de la Universidad de Tokio desarrollaron una máquina de deposición de capa atómica (ALD) para la deposición de películas ferroeléctricas de HfZrO 2. Esta máquina se utiliza para depositar una película delgada de materiales ferroeléctricos a base de óxido de hafnio para producir transistores de compuerta ferroeléctrica (FeFET) utilizados en una nueva arquitectura informática de depósito físico.
En 2020, los investigadores crearon una nueva arquitectura de computación de reservorios físicos (PRC) -con la que se logran ganancias de eficiencia en el hardware del dispositivo local- que utiliza transistores de puerta ferroeléctrica (FeFET) hechos de materiales ferroeléctricos a base de óxido de hafnio. La ferroelectricidad implica un fenómeno análogo en el que ciertos materiales, en este caso el óxido de hafnio y el óxido de circonio, experimentan una polarización eléctrica (un cambio de carga eléctrica positiva y negativa) que posteriormente puede revertirse mediante la aplicación de un campo eléctrico externo. Esta polarización conmutable puede almacenar memoria como cualquier transistor.
Pruebas en una aplicación de reconocimiento de voz
Habiendo demostrado que su arquitectura PRC era factible, los investigadores la probaron en una aplicación de reconocimiento de voz. Descubrieron que tenía una precisión del 95,9% para el reconocimiento de voz de los números del cero al nueve. Esto demostró por primera vez la usabilidad de la tecnología en una aplicación del mundo real. Los investigadores ahora quieren ver si pueden aumentar el rendimiento informático de sus depósitos FeFET, además de probarlos en otras aplicaciones.
En última instancia, los investigadores esperan demostrar que un chip de IA con la arquitectura PRC ferroeléctrica basada en óxido de hafnio puede lograr un alto nivel de rendimiento en términos de consumo de energía extremadamente bajo y procesamiento en tiempo real en comparación con los métodos y hardware de cálculo de IA convencionales.