Магнитная память SOT-MRAM ускорила периферийный ИИ и снизила расход энергии

Исследователи продемонстрировали, что спин-орбитный перенос магниторезистивная память — SOT-MRAM — способна существенно ускорить выполнение задач искусственного интеллекта на периферийных устройствах при одновременном снижении энергопотребления. Работа, опубликованная в августе 2026 года, указывает на перспективную альтернативу флеш-памяти для приложений машинного обучения вне центров обработки данных.

Что такое периферийный ИИ и почему важна память

Периферийный ИИ — это выполнение операций вывода нейронных сетей непосредственно на конечном устройстве: смартфоне, камере наблюдения, промышленном датчике, медицинском имплантате. В отличие от облачного ИИ, периферийный не требует передачи данных на сервер, что важно для приложений с низкой задержкой и высокими требованиями к конфиденциальности.

Главное узкое место — доступ к памяти. При выполнении нейронной сети процессор постоянно считывает миллиарды параметров (весов). Традиционная флеш-память медленна при считывании одиночных байтов и требует относительно высокого напряжения. DRAM быстра, но энергозатратна и не удерживает данные без питания.

Преимущества SOT-MRAM

SOT-MRAM хранит биты в магнитном состоянии крошечных ячеек — и не теряет данные при отключении питания, в отличие от DRAM. При записи используется спин-орбитный момент: ток в специальном «спинтронном» слое создаёт крутящий момент, переключающий магнитный момент ячейки. Это значительно быстрее и энергоэффективнее, чем туннельный механизм в классической STT-MRAM.

Ключевые показатели новой архитектуры:

• Скорость считывания — сравнима со статической SRAM, что устраняет главное узкое место при инференсе нейронных сетей.
• Энергия записи — существенно ниже флеш-памяти и классической STT-MRAM.
• Выносливость — предварительные данные указывают на срок службы, превосходящий NAND-флеш на порядки.
• Возможность интеграции непосредственно в стек процессора — без отдельных чипов памяти.

Тесты на реальных моделях ИИ

Авторы протестировали прототип памяти на задачах классификации изображений и распознавания речи с использованием квантованных нейронных сетей. По сравнению с эквивалентными реализациями на флеш-памяти:

• Задержка инференса снизилась в несколько раз.
• Среднее энергопотребление за один прогон модели уменьшилось на десятки процентов.
• Точность классификации оставалась на сопоставимом уровне.

Путь к коммерциализации

SOT-MRAM пока не вышла в массовое производство: технологические вызовы связаны со стабильностью материалов спинтронного слоя и воспроизводимостью параметров ячеек при уменьшении размеров. Тем не менее несколько крупных производителей полупроводников уже ведут разработки в этом направлении, и новые результаты усиливают позицию технологии как реального кандидата на роль памяти следующего поколения для ИИ на краю сети.

Ранее pronedra.ru писал о производстве двумерных полупроводников.