I ricercatori hardware dell’Università del Minnesota hanno creato un dispositivo rivoluzionario mirato a rendere le applicazioni AI significativamente più efficienti dal punto di vista energetico. Il loro lavoro, pubblicato in npj Unconventional Computing, [1] , dimostra un nuovo modello chiamato memoria computazionale ad accesso casuale (CRAM), che potrebbe ridurre il consumo energetico dell’AI di almeno mille volte.
Risparmio energetico rivoluzionario con CRAM
Nel tentativo di ridurre le richieste energetiche dell’IA, il team dell’Università del Minnesota Twin Cities ha introdotto CRAM, in cui l’elaborazione dei dati avviene interamente all’interno dell’array di memoria. Questa innovazione elimina il trasferimento di dati ad alta intensità energetica tra logica e memoria, una pratica comune nei sistemi convenzionali. Yang Lv, ricercatore post-dottorato e autore principale, sottolinea che questa è la prima dimostrazione pratica di tale tecnologia.
Soddisfare la crescente domanda energetica dell’IA
L’Agenzia internazionale per l’energia ha previsto che il consumo energetico dell’IA potrebbe raddoppiare entro il 2026, raggiungendo i 1.000 terawattora. Il modello basato su CRAM promette di mitigare questo problema migliorando l’efficienza fino a 2.500 volte rispetto ai metodi tradizionali. Secondo i ricercatori, questa svolta è il risultato di oltre due decenni di lavoro collaborativo, che ha coinvolto esperti di vari campi scientifici presso l’Università del Minnesota.
Innovazioni tecniche e prospettive future
L’architettura di CRAM, che utilizza giunzioni a tunnel magnetico (MTJ), esegue calcoli direttamente all’interno delle celle di memoria. Questo metodo non solo consente di risparmiare energia, ma aumenta anche la velocità di elaborazione e la resilienza in condizioni difficili. Ulya Karpuzcu, coautore ed esperto di architettura informatica, osserva che la flessibilità di CRAM consente di riconfigurarla per diversi algoritmi di intelligenza artificiale.
