AI-systemen kampen al jaren met een hardnekkig probleem: de geheugenbarrière. Zelfs snelle modellen vertragen door het transport van data tussen processor en geheugen. Dit kost veel tijd en energie. Onderzoekers zoeken hard naar een oplossing voor dit probleem.
Een veelbelovende technologie is Resistief RAM, ook wel RRAM genoemd. RRAM is een type niet-vluchtig geheugen. Het bijzondere aan RRAM is dat het berekeningen direct in het geheugen uitvoert. Hierdoor hoeft data niet meer heen en weer te reizen tussen processor en geheugen. Dat bespaart veel tijd en energie. Helaas is de meeste RRAM te onstabiel en moeilijk te gebruiken voor dit doel.
Onderzoekers van de University of California in San Diego presenteerden een doorbraak op de IEEE International Electron Device Meeting in december. Zij toonden aan dat een leeralgoritme succesvol draait op een stabieler type RRAM. Dit is een belangrijke stap vooruit. De nieuwe aanpak maakt RRAM betrouwbaarder en praktischer. Daarmee wordt het een serieuze kandidaat voor toekomstige AI-chips.
Deze ontwikkeling kan grote gevolgen hebben voor de AI-industrie. Snellere en energiezuinigere AI-systemen worden mogelijk als RRAM op grote schaal werkt. Het lost een van de grootste technische knelpunten in AI-hardware op. Experts volgen deze ontwikkeling dan ook met grote interesse.
