La memoria SOT-MRAM busca reducir el consumo energético de la inteligencia artificial
La creciente demanda de inteligencia artificial está impulsando la búsqueda de componentes más rápidos y eficientes. En este contexto, un equipo de investigadores ha probado junto con Taiwan Semiconductor Manufacturing Company (TSMC) una tecnología de memoria SOT-MRAM capaz de conservar la información incluso cuando no recibe alimentación eléctrica.
Esta característica, conocida como persistencia de datos o memoria no volátil, podría ayudar a reducir el gasto energético de los sistemas de IA. La tecnología permitiría evitar que determinados datos tengan que cargarse de nuevo cada vez que un dispositivo se enciende, sale de un estado de reposo o reinicia una tarea de cálculo.
Una alternativa a las memorias convencionales
Los sistemas actuales de inteligencia artificial dependen de grandes cantidades de memoria para almacenar modelos, parámetros y datos intermedios. El movimiento constante de esa información entre el procesador y la memoria consume energía y puede convertirse en uno de los principales límites para mejorar el rendimiento.
La memoria SOT-MRAM, siglas de Spin-Orbit Torque Magnetic Random-Access Memory, utiliza propiedades magnéticas para guardar los datos. A diferencia de las memorias volátiles, no necesita mantener una corriente eléctrica constante para conservar la información almacenada.
El resultado es una tecnología que combina dos características especialmente relevantes para la IA: la posibilidad de acceder a los datos con rapidez y la capacidad de mantenerlos disponibles cuando el sistema deja de recibir energía. Esta combinación puede resultar útil tanto en centros de datos como en dispositivos de consumo y equipos destinados a aplicaciones industriales.
Por qué el consumo de la IA es un desafío
El entrenamiento y la ejecución de modelos de inteligencia artificial requieren operaciones matemáticas muy numerosas. Para completarlas, los procesadores deben consultar y actualizar datos de manera continua, lo que genera un flujo constante de información entre las unidades de cálculo y los módulos de memoria.
En muchas ocasiones, el consumo no procede únicamente de realizar las operaciones. También influye el traslado de los datos, especialmente cuando se trabaja con modelos de gran tamaño. Reducir esos movimientos o mantener parte de la información disponible sin alimentación podría mejorar la eficiencia global del sistema.
La memoria no volátil puede contribuir además a disminuir el gasto asociado a los estados de espera. Un equipo equipado con SOT-MRAM podría apagar determinados bloques cuando no están en uso y recuperar posteriormente su contenido sin tener que reconstruirlo desde cero.
El papel de la tecnología SOT-MRAM
La SOT-MRAM almacena los bits mediante la orientación de elementos magnéticos. Para modificar su estado recurre al denominado par de torsión espín-órbita, un fenómeno físico que permite controlar la magnetización utilizando una corriente eléctrica.
Este enfoque pretende superar algunas limitaciones de generaciones anteriores de memoria magnética. Entre sus posibles ventajas figuran una mayor resistencia, tiempos de respuesta reducidos y un consumo más bajo durante la conservación de los datos.
En el caso de las aplicaciones de IA, la tecnología podría integrarse cerca de los circuitos de procesamiento para reducir la distancia que deben recorrer los datos. Esta arquitectura, conocida de forma general como computación cercana a la memoria, busca aliviar el cuello de botella provocado por la separación entre memoria y procesador.
Una prueba relevante para su futura fabricación
La participación de TSMC resulta especialmente significativa porque la compañía es uno de los principales fabricantes mundiales de chips. Probar una memoria dentro de procesos de fabricación avanzados permite evaluar no solo su funcionamiento teórico, sino también las dificultades de producción e integración con otros componentes.
Para que la SOT-MRAM llegue a productos comerciales todavía será necesario analizar aspectos como el rendimiento sostenido, la fiabilidad, la densidad de almacenamiento y el coste de fabricación. También será importante comprobar cómo se comporta al integrarse con procesadores diseñados específicamente para cargas de inteligencia artificial.
- Conserva la información sin alimentación eléctrica.
- Puede reducir el tiempo y la energía empleados en recuperar datos.
- Está orientada a aplicaciones que necesitan accesos rápidos y frecuentes.
- Podría complementar o sustituir a determinadas memorias empleadas en sistemas de IA.
De la investigación a los dispositivos reales
La demostración conjunta representa un paso hacia memorias capaces de acompañar el crecimiento de la inteligencia artificial sin aumentar el consumo al mismo ritmo. Sin embargo, una prueba de laboratorio o de fabricación no implica todavía una llegada inmediata al mercado.
El desarrollo de hardware para IA exige equilibrar velocidad, capacidad, eficiencia y precio. La SOT-MRAM ofrece una vía prometedora, pero tendrá que competir con tecnologías ya consolidadas y demostrar que sus ventajas se mantienen cuando se utiliza en grandes volúmenes de producción.
Si supera esos retos, esta memoria podría desempeñar un papel en la próxima generación de aceleradores de inteligencia artificial, servidores y dispositivos conectados. Su capacidad para conservar datos sin energía convierte a la SOT-MRAM en una de las alternativas que la industria está explorando para construir sistemas más eficientes y sostenibles.
