Un sistema de computación analógica basado en RRAM resuelve matrices con alta precisión

Los computadores analógicos son sistemas que realizan cálculos manipulando cantidades físicas, como la corriente eléctrica, en lugar de representar información mediante valores binarios discretos, como lo hacen los computadores digitales. Recientemente, un equipo de investigadores de la Universidad de Pekín y el Centro de Innovación Avanzada de Pekín para Circuitos Integrados desarrolló un dispositivo de computación analógica escalable que resuelve ecuaciones matriciales con notable precisión.

Este nuevo sistema, presentado en un artículo publicado en Nature Electronics, utiliza pequeños dispositivos de memoria no volátil conocidos como chips de memoria de acceso aleatorio resistiva (RRAM). Según Zhong Sun, profesor asistente en la Universidad de Pekín y autor principal del estudio, "hemos estado trabajando en computación analógica desde 2017".

Sun explicó que su enfoque se denomina "computación analógica moderna", ya que se centra en resolver ecuaciones matriciales, a diferencia de las ecuaciones diferenciales que se abordaban en la computación analógica tradicional. Este método utiliza arreglos de memoria resistiva no volátil en lugar de circuitos CMOS convencionales.

A lo largo de la última década, Sun y su equipo desarrollaron una amplia gama de sistemas de computación analógica. Sin embargo, la mayoría de estos sistemas resultaron ser significativamente menos precisos que los computadores digitales, lo que limitó su potencial para aplicaciones en el mundo real.

"Alrededor de 2022, comenzamos a abordar este problema directamente, buscando lograr una computación analógica de alta precisión comparable a los sistemas digitales modernos", comentó Sun.

En su reciente trabajo, demostraron la resolución de ecuaciones matriciales de forma completamente analógica con una precisión de punto fijo de 24 bits, comparable a la precisión FP32 de los sistemas digitales. Esto se logró combinando un circuito de inversión de matriz de baja precisión, diseñado por primera vez en 2019, con una multiplicación de matriz-vectores de alta precisión utilizando un método de división de bits a través de múltiples arreglos de memoria resistiva.

El nuevo solucionador de ecuaciones matriciales analógicas se basa en un circuito desarrollado por Sun y otros investigadores en 2019, cuando era investigador postdoctoral en el Politécnico de Milán. Este circuito podía resolver ecuaciones matriciales de una forma específica (Ax = b) en un solo paso, pero se encontró que era menos preciso que los sistemas digitales.

"Como parte de nuestro nuevo estudio, combinamos este solucionador de baja precisión con una multiplicación de matriz-vectores de alta precisión utilizando una técnica de división de bits, lo que permite un refinamiento iterativo de la solución", explicó Sun.

En cada iteración, el circuito de inversión de baja precisión proporciona un resultado aproximado, y la operación de alta precisión lo refina indicando la dirección y magnitud de la corrección. Este enfoque híbrido converge rápidamente, significativamente más rápido que los algoritmos convencionales basados en descenso de gradiente.

Para demostrar la escalabilidad de su método de computación analógica, los investigadores fabricaron un circuito basado en una matriz de 8x8 y probaron su capacidad para resolver varias ecuaciones matriciales. Descubrieron que el circuito podía resolver ecuaciones de matrices de 16x16 y luego progresivamente otras ecuaciones de matrices (por ejemplo, 32x32).

El solucionador de ecuaciones matriciales que desarrollaron podría mejorarse aún más y podría inspirar el desarrollo de otros sistemas de computación analógica precisos. En el futuro, podría resultar útil para avanzar en diversas tecnologías, desde comunicaciones inalámbricas hasta inteligencia artificial (IA).

"La contribución más notable es nuestra demostración de que la computación matricial completamente analógica puede alcanzar una alta precisión comparable a los sistemas digitales de punto flotante, al tiempo que aborda la escalabilidad", agregó Sun.

"Nuestro próximo objetivo es escalar el sistema construyendo circuitos más grandes basados en matrices e integrando todos los componentes en un chip, incorporando tanto la inversión de matrices como las funcionalidades de multiplicación de matriz-vectores en una única plataforma a nivel de chip".