Samsung Electronics Co., Ltd. su demostración de la primera computación en memoria del mundo basada en MRAM (Magnetoresistive Random Access Memory). El artículo sobre esta innovación fue publicado en línea por Nature el 12 de enero (GMT), y está previsto que se publique en la próxima edición impresa de Nature. Con el título A crossbar array of magnetoresistive memory devices for in-memory computing1, este artículo pone de manifiesto el liderazgo de Samsung en tecnología de memoria y su esfuerzo por fusionar la memoria y los semiconductores de sistema para los chips de inteligencia artificial (IA) de próxima generación. La investigación fue dirigida por el Samsung Advanced Institute of Technology (SAIT) en estrecha colaboración con el Samsung Electronics Foundry Business y el Semiconductor R&D Center. El primer autor del artículo, el Dr. Seungchul Jung, investigador en plantilla del SAIT, y los coautores, el Dr. Donhee Ham, becario del SAIT y profesor de la Universidad de Harvard, y el Dr. Sang Joon Kim, vicepresidente de Tecnología del SAIT, encabezaron la investigación. En la arquitectura informática estándar, los datos se almacenan en chips de memoria y la computación de datos se ejecuta en chips de procesador separados. En cambio, la computación en memoria es un nuevo paradigma informático que pretende realizar tanto el almacenamiento como la computación de datos en una red de memoria. Como este esquema puede procesar una gran cantidad de datos almacenados dentro de la propia red de memoria sin tener que mover los datos, y también porque el procesamiento de datos en la red de memoria se ejecuta de forma altamente paralela, el consumo de energía se reduce sustancialmente. Así pues, la computación en memoria ha surgido como una de las tecnologías prometedoras para realizar chips semiconductores de IA de bajo consumo de la próxima generación. Por este motivo, la investigación sobre la computación en memoria ha sido muy intensa en todo el mundo. Las memorias no volátiles, en particular las RRAM (Resistive Random Access Memory) y las PRAM (Phase-change Random Access Memory), se han utilizado activamente para demostrar la computación en memoria. En cambio, hasta ahora ha sido difícil utilizar las MRAM -otro tipo de memoria no volátil- para la informática en memoria, a pesar de las ventajas de las MRAM, como la velocidad de funcionamiento, la resistencia y la producción a gran escala. Esta dificultad se debe a la baja resistencia de la MRAM, por lo que ésta no puede disfrutar de la ventaja de la reducción de energía cuando se utiliza en la arquitectura de computación en memoria estándar. Los investigadores de Samsung Electronics han aportado una solución a este problema mediante una innovación arquitectónica. Concretamente, han conseguido desarrollar un chip de matriz MRAM que demuestra la computación en memoria, sustituyendo la arquitectura estándar de computación en memoria de suma de corrientes por una nueva arquitectura de computación en memoria de suma de resistencias, que resuelve el problema de las pequeñas resistencias de los dispositivos MRAM individuales. Posteriormente, el equipo de investigación de Samsung probó el rendimiento de este chip de computación en memoria MRAM haciéndolo funcionar para realizar cálculos de inteligencia artificial. El chip alcanzó una precisión del 98% en la clasificación de dígitos escritos a mano y un 93% en la detección de rostros en escenas. Al introducir la MRAM -memoria que ya ha alcanzado la producción a escala comercial integrada en la fabricación de semiconductores del sistema- en el ámbito de la computación en memoria, este trabajo amplía la frontera de las tecnologías de chip de IA de bajo consumo de próxima generación. Los investigadores también han sugerido que este nuevo chip MRAM no sólo puede utilizarse para la computación en memoria, sino que también puede servir como plataforma para descargar redes neuronales biológicas. Esto va en la línea de la visión de la electrónica neuromórfica que los investigadores de Samsung plantearon recientemente en un artículo de perspectiva publicado en el número de septiembre de 2021 de la revista Nature Electronics.