Современная электроника всё чаще сталкивается с парадоксом: чем умнее становятся устройства, тем больше данных им приходится обрабатывать и тем больше энергии на это требуется. Особенно заметна проблема в системах искусственного интеллекта, где огромные массивы информации постоянно перемещаются между памятью и вычислительными блоками.
Исследователи из Sandia National Laboratories предлагают необычный способ решить хотя бы часть этой проблемы. Они разработали новый тип аналоговой памяти — электротермо-химическую память с произвольным доступом (ETCRAM, electro-thermo-chemical random-access memory). В отличие от обычной цифровой памяти, где ячейка в конечном счёте представляет дискретное значение вроде нуля или единицы, ETCRAM способна хранить целый диапазон аналоговых состояний.
По словам исследователей, экспериментальный элемент обеспечивает примерно в 100 раз более высокую точность, чем современные аналоговые технологии памяти, а его динамический диапазон как минимум в 1000 раз больше. Это открывает интересную возможность: часть вычислений можно выполнять непосредственно там, где хранится информация, не перегоняя данные туда и обратно между памятью и процессором.
Чем аналоговая память отличается от обычной?
Чтобы понять идею ETCRAM, полезно вспомнить, как устроена привычная цифровая электроника.
В цифровом компьютере информация представляется дискретными состояниями. В простейшем случае одна ячейка может находиться в состоянии, соответствующем 0 или 1. Более сложные типы памяти позволяют хранить несколько бит в одной физической ячейке, но принцип остаётся цифровым: значение кодируется определённым набором дискретных состояний.
Аналоговая память работает иначе. Её состояние может плавно меняться и принимать множество промежуточных значений. Это особенно интересно для задач машинного обучения. Нейронные сети оперируют не только целыми нулями и единицами: их параметры — веса — представляют собой числовые значения. Если хранить такие коэффициенты непосредственно в аналоговой форме, некоторые операции с ними можно выполнять без постоянного преобразования данных в цифровой формат.
Получается своеобразное объединение памяти и вычислительного устройства.
Память, которая ведёт себя как батарея
Идею ETCRAM исследователи предлагают представить через очень простую аналогию — аккумулятор. Батарею можно зарядить, например, наполовину, прекратить зарядку, а затем оставить её в таком состоянии. Степень заряда фактически становится своеобразной «памятью» о том, сколько энергии накоплено.
ETCRAM использует похожий принцип, только вместо количества накопленной энергии кодируется информация. Электрические импульсы изменяют состояние материалов внутри ячейки, а локальный нагрев ускоряет происходящие электрохимические процессы.
В экспериментальной системе исследователи использовали материалы на основе оксида тантала и оксида ванадия. Здесь и появляется главное отличие от обычных аккумуляторных технологий. Материал должен не просто хорошо накапливать энергию — его состояние должно изменяться контролируемым и воспроизводимым образом, чтобы из него можно было получить надёжную аналоговую память.
Зачем памяти нагреваться?
На первый взгляд использование нагрева может показаться недостатком: электроника обычно старается не тратить энергию на лишнее выделение тепла. Но в ETCRAM нагрев выполняет полезную функцию. Электрохимические реакции сами по себе могут протекать достаточно медленно. Исследователи обнаружили, что если элемент способен самонагреваться при активации электрохимического процесса, реакция ускоряется. Именно это позволяет получить широкий диапазон состояний и одновременно точно контролировать значение, которое сохраняется в памяти.
Получается довольно необычная конструкция: тепло здесь не просто побочный продукт работы электроники, а часть механизма записи информации.
При этом задача разработчиков заключается в том, чтобы весь процесс оставался энергетически выгодным. Если на запись одного числа потребуется слишком много энергии, преимущества аналоговой памяти исчезнут.
Почему это может помочь искусственному интеллекту?
Главная проблема современных вычислительных систем часто заключается не столько в самих вычислениях, сколько в перемещении данных. Представим нейронную сеть, которой необходимо обработать огромное количество параметров. Процессору приходится постоянно получать значения из памяти, выполнять операции, записывать результаты обратно и снова обращаться к памяти. Каждая такая передача требует времени и энергии.
В архитектуре, которую называют in-memory computing, часть вычислений переносится непосредственно в память. Тогда данные не нужно каждый раз отправлять через отдельную вычислительную систему. Аналоговая память особенно хорошо подходит для такого подхода, поскольку физическое состояние её ячейки может непосредственно представлять числовой коэффициент. Несколько таких элементов можно объединять в структуры, выполняющие параллельные операции. Именно поэтому ETCRAM рассматривается как потенциальная основа для нейроморфных систем — аппаратуры, которая частично имитирует принципы работы биологических нейронных сетей.
Вычисления можно перенести ближе к сенсору
Ещё более интересное применение связано с так называемыми граничными вычислениями (edge computing).
Сегодня данные с различных датчиков часто отправляются в более мощный процессор, локальный компьютер или удалённый дата-центр. Там они анализируются, после чего результат возвращается обратно. Для камеры смартфона эта схема выглядит примерно так: сенсор получает огромное количество данных о свете, а специализированная электроника затем превращает их в готовое изображение.
Но зачем передавать все исходные данные дальше, если значительную часть обработки можно выполнить непосредственно рядом с сенсором?
ETCRAM потенциально позволяет приблизить вычисления к месту, где информация возникает. Это особенно интересно для устройств с большим количеством датчиков — смартфонов, носимой электроники, автомобилей, промышленного оборудования и различных систем мониторинга. Чем больше данных производят датчики, тем привлекательнее становится такая архитектура. Если обработать информацию на месте и отправить дальше только результат, можно уменьшить объём передачи данных и одновременно снизить энергопотребление.
Почему датчиков становится всё больше?
Исследователь Sandia Адам Гросс (Adam Gross) обращает внимание на довольно очевидную, но важную тенденцию: современная жизнь буквально окружена сенсорами. В смартфоне есть датчики освещённости, микрофоны, камеры и другие измерительные системы. В современном автомобиле — целый набор камер, радаров, датчиков движения и состояния машины. Носимая электроника постоянно собирает информацию о происходящем вокруг и о самой системе.
Каждый такой сенсор создаёт поток данных. Если продолжать просто увеличивать мощность центрального процессора, энергозатраты будут расти вместе с объёмом информации. Поэтому инженеры ищут другой путь: обрабатывать данные там, где они появляются, используя специализированную маломощную электронику. ETCRAM потенциально может стать одним из элементов такой архитектуры.
Насколько это лучше существующих технологий?
Заявленные характеристики выглядят впечатляюще, но их важно правильно понимать. Исследователи говорят примерно о 100-кратном преимуществе по точности и как минимум 1000-кратном — по динамическому диапазону относительно существующих аналоговых решений. Это характеристики самой технологии памяти, а не обещание, что любой смартфон с ETCRAM будет в тысячу раз быстрее или экономичнее.
Между лабораторным элементом памяти и готовой микросхемой лежит огромный инженерный путь. Необходимо проверить долговечность ячеек, стабильность их состояний, скорость записи и чтения, влияние температуры, совместимость с существующими технологиями производства полупроводников и работу больших массивов памяти. Именно поэтому команда Sandia уже работает над следующими экспериментами.
Следующий шаг — другие материалы
Исследователи планируют проверить конструкции, в которых будут использоваться разные сочетания материалов. Это позволит понять, какие химические системы лучше всего подходят для создания практических ETCRAM-устройств и как можно улучшить их характеристики.
Особенно важен поиск баланса между несколькими параметрами: высокой точностью, широким динамическим диапазоном, скоростью переключения, долговечностью и низким энергопотреблением. В лабораторной установке можно позволить себе гораздо больше ограничений, чем в смартфоне, автомобиле или носимом устройстве. Поэтому дальнейшая работа будет во многом посвящена превращению интересного физического эффекта в технологию, которую можно массово производить.
Что изменится, если технология дойдёт до устройств?
Представим условную камеру будущего смартфона. Сегодня свет сначала превращается сенсором в электрические сигналы, затем данные проходят через несколько этапов цифровой обработки. В перспективной архитектуре часть информации могла бы обрабатываться непосредственно рядом с сенсором, причём аналоговая память одновременно хранила бы параметры вычисления и участвовала бы в нём. Это означает меньше перемещений данных, меньше промежуточных операций и потенциально более низкое энергопотребление.
Для искусственного интеллекта выгода может оказаться ещё существеннее. Нейронные сети требуют огромного количества операций с весами, и именно передача этих числовых параметров между памятью и процессором становится одним из главных энергетических расходов. Если память сама станет частью вычислительного механизма, архитектура компьютера может измениться довольно существенно. Пока это перспектива, а не готовый продукт. Но именно такие разработки постепенно формируют направление, в котором вычисления становятся всё менее похожими на классическую схему «процессор отдельно, память отдельно».
Память, которая перестаёт быть просто памятью
Возможно, самое интересное в ETCRAM заключается именно в изменении самой роли памяти. На протяжении десятилетий память в компьютере в основном рассматривалась как место хранения данных, тогда как вычисления выполнял процессор. Чем больше становились объёмы информации и сложнее алгоритмы искусственного интеллекта, тем заметнее проявлялось ограничение такого подхода: данные приходится постоянно перемещать между двумя компонентами. Аналоговые и мемристивные технологии пытаются стереть эту границу.
Если состояние ячейки одновременно представляет число и участвует в математической операции, память превращается из пассивного хранилища в активную часть вычислительной системы. Именно поэтому разработка Sandia может оказаться интересной не только как новый способ хранения информации. Она вписывается в более широкий поиск энергоэффективной аппаратуры для искусственного интеллекта и edge computing. Работа команды опубликована в журнале Science Advances.
До появления такой памяти в массовых смартфонах или сенсорах ещё далеко. Но если дальнейшие эксперименты подтвердят долговечность и масштабируемость ETCRAM, будущие умные устройства смогут обрабатывать всё больше информации непосредственно на месте — не отправляя каждый байт в отдельный процессор или дата-центр. И тогда «умнее» действительно может означать не только более мощный процессор, но и память, которая сама становится частью вычисления.
