Theo TechXplore ngày 26 tháng 7, các nhà nghiên cứu tại Đại học Minnesota Twin Cities đã phát triển một phần cứng dựa trên các mối nối đường hầm từ tính (MTJ) có thể giảm mức tiêu thụ năng lượng của các ứng dụng điện toán trí tuệ nhân tạo ít nhất 1.000 lần. Kiến trúc bộ nhớ truy cập ngẫu nhiên tính toán (CRAM) mà họ phát triển cho phép tính toán trong bộ nhớ, phá vỡ nút thắt giữa tính toán và bộ nhớ trong các kiến trúc máy tính truyền thống. Công nghệ này sử dụng các thiết bị mối nối đường hầm từ tính để tính toán. Thiết bị có cấu trúc nano này có thể thực hiện các chức năng ở mức năng lượng cực thấp, nhanh hơn và thích ứng hơn với các môi trường khắc nghiệt. Các nhà nghiên cứu đã đạt được mức tối ưu hóa mức tiêu thụ năng lượng gấp 1.000 lần trên bộ tăng tốc suy luận học máy dựa trên CRAM, tiết kiệm năng lượng hơn từ 1.700 đến 2.500 lần so với các phương pháp truyền thống.
Nguồn: https://techxplore.com/news/2024-07-magnetic-tunnel-junctionbased-device-ai.html
