El chip Memristor calcula 478 veces más rápido que una GPU Nvidia

La unidad aritmética y la memoria están estrictamente separadas en las computadoras clásicas. Cada número que necesita ser procesado tiene que viajar de un lado a otro entre ambas unidades. Este transporte cuesta tiempo y energía, y en tareas con uso intensivo de datos ha sido durante mucho tiempo el verdadero cuello de botella, no la velocidad de cálculo en sí. Los expertos lo llaman el cuello de botella de von Neumann. Un método para solucionar este problema se llama Computación en Memoria. La operación aritmética se realiza directamente donde se encuentran los datos, es decir, en el campo de la memoria. Esto es posible gracias a componentes cuya resistencia eléctrica se puede ajustar específicamente y que mantienen este estado incluso sin alimentación eléctrica. Este componente se llama memristor. Si se aplica voltaje a una disposición de muchos memristores, las corrientes que fluyen se suman automáticamente según las leyes de Kirchhoff. Una multiplicación de matrices, que un procesador convencional procesa en miles de pasos individuales, se encarga de la física del componente en una sola pasada.

La tarea que debe demostrar un sistema de este tipo determina su valor práctico. La corteza cerebral humana está fuertemente plegada y comprime un área de aproximadamente 0,25 metros cuadrados en un cráneo con un volumen de aproximadamente 1,4 litros. Si desea reconstruir la geometría real de este pliegue a partir de imágenes cortadas de un tomógrafo de resonancia magnética, debe calcular millones de puntos de datos en una superficie cerrada. Los métodos clásicos describen esta deformación mediante ecuaciones diferenciales, que se resuelven paso a paso. Cada paso depende del anterior, lo que dificulta la computación paralela. En hardware convencional, dicha reconstrucción lleva de minutos a horas, dependiendo de la resolución. Esto es demasiado lento para el quirófano, donde el tejido se desplaza durante el procedimiento. Se conocen requisitos similares en tiempo real en sistemas que deben leer inmediatamente y procesar la actividad neuronal, por ejemplo en las interfaces cerebro-computadora, donde cada retraso empeora notablemente el control.

Cuando la propia memoria se convierte en un dispositivo informático

El equipo de Yang Yuchao del Departamento de Circuitos Integrados de la Universidad de Pekín, junto con el grupo de Song Zhitang del Instituto de Microsistemas y Tecnología de la Información de Shanghai de la Academia de Ciencias de China, construyeron un chip que lleva a cabo esta reconstrucción directamente en la memoria. Los resultados aparecieron en un estudio científico revisado por pares en el que el sistema se describe como un sistema dinámico neuronal, es decir, como una combinación de una red neuronal y una ecuación diferencial. El componente se fabrica en un proceso de 40 nanómetros, funciona a 50 megahercios y requiere 2,12 milisegundos para un solo paso de cálculo. Completa la reconstrucción completa de una superficie cortical en 426 milisegundos, es decir, en menos de medio segundo. Esto significa que por primera vez cae por debajo del límite de latencia de diez milisegundos por paso, que se considera el umbral para un verdadero procesamiento en tiempo real.

Un error de componente se convierte en un principio de cálculo

El verdadero núcleo reside en la elección del material. Las células de memoria están hechas de material de cambio de fase que se puede cambiar entre un estado cristalino ordenado y un estado amorfo desordenado. Ambos estados difieren mucho en la resistencia eléctrica. Sin embargo, estas células tienen una propiedad desagradable: la parte amorfa se reorganiza lentamente después de escribir, lo que hace que la resistencia aumente en segundos y minutos. Esta desviación de la conductividad se considera un error en la tecnología de almacenamiento, ya que los valores almacenados se escapan. El equipo no lo trató como una interrupción, sino como un cálculo. La deriva sigue un curso temporal que matemáticamente corresponde exactamente al tipo de cambio continuo de estado que describe una ecuación diferencial. En lugar de simular este cambio numéricamente, el chip deja que el material lo realice físicamente. El tiempo mismo se convierte en una unidad de cálculo. Enfoques similares también se aplican en la nanoelectrónica similar al cerebro, en la que la detección, el procesamiento y el almacenamiento coinciden en el mismo lugar.

Lo que realmente significa el número 478

Un chip neuromórfico de este tipo no reemplaza a un procesador gráfico y la ventaja antes mencionada requiere una clasificación. El hardware de comparación, una Nvidia A100, salió al mercado en 2020 y está dos generaciones por detrás de los aceleradores actuales. El valor de 478 es también el mejor caso de un rango que comienza en 50. Esta distribución muestra en qué medida el resultado depende de la carga de trabajo específica. Es el punto de referencia del propio equipo en una tarea única y muy limitada, no un resultado de propósito general verificado de forma independiente. El chip es un acelerador de tareas específicas y un modelo de laboratorio, no un producto listo para el mercado. Por tanto, la latencia absoluta es científicamente más fiable que el factor de multiplicación. Decide si un procedimiento puede utilizarse en la práctica clínica y no depende de qué GPU se utilice para comparar.

Por qué esto se extiende más allá de la neurocirugía

Yang menciona tres áreas de aplicación que resultan de la baja latencia. En la neuronavegación intraoperatoria, los cirujanos podrían trabajar con un modelo continuamente actualizado de la estructura cerebral del individuo durante un procedimiento en lugar de depender de grabaciones preoperatorias. En el diagnóstico precoz de enfermedades neurodegenerativas como el Alzheimer y el Parkinson, se pueden evaluar más rápidamente cambios sutiles en la geometría de los pliegues. A largo plazo, los autores hablan de gemelos digitales personalizados del cerebro que replican dinámicamente el estado de un paciente. El camino para llegar allí es largo, porque la estandarización, la estabilidad a largo plazo y la validación clínica se encuentran entre una muestra de laboratorio y un dispositivo médico aprobado. El punto metodológico sigue siendo notable: mientras que otros grupos trabajan con células cerebrales en un chip, este enfoque no requiere biología y utiliza únicamente la física del material para alcanzar el modelo.

Ciencia, un sistema dinámico neuronal de menos de 10 milisegundos basado en memristores de cambio de fase; doi:10.1126/ciencia.aee6277