abutton
Close menu
Accessibility Menu
Bigger text
bigger text icon
Text Spacing
Spacing icon
Saturation
saturation icon
Cursor
big cursor icon
Dyslexia Friendly
dyslexia icon
Reset

Memoria MRAM: del almacenamiento al procesamiento de datos

El crecimiento que está experimentando la tecnología en los últimos años ha puesto en evidencia la necesidad de memorias que estén a la altura de los requerimientos de la computación actual. Algunos de los modelos que están siendo utilizados en la actualidad para ello son la Static Random-Access Memory (SRAM), la Dynamic Random-Access Memory (DRAM), la Electrically Erasable Programmable Read-Only Memory (EEPROM) y la memoria flash.

No obstante, cada una de estas tecnologías presenta barreras en distintas áreas, por lo que no se encuentran a la altura de la computación de punta. En este sentido, surge la Magnetoresistive Random-Access Memory (MRAM), una solución innovadora de baja latencia, potencia reducida, resistencia imperecedera, volatilidad nula y escalabilidad.

Comparación entre diferentes tipos de memorias

33% of the users bet on delivery within their homes

Lo revolucionario de la memoria MRAM yace en la forma en que almacena los datos. Pues deja atrás la idea de utilizar cargas de corriente o flujos eléctricos para implementar elementos de almacenamiento magnético. Estos se encuentran conformados por un par de discos ferromagnéticos espaciados por una capa que funciona de aislante. Los datos se interpretan ya que uno de los discos está colocado en un imán de forma fija, mientras que el segundo se desplaza para adecuarse al campo magnético del primero, cambiando de positivo a negativo. La interpretación es posible ya que se sigue la lógica de los números binarios.

Esto supone que los datos ya no solo sean almacenados en los chips de memoria, sino que también puedan ser procesados en ellos a través de redes de memoria. En este sentido, ya no son necesarios diferentes procesadores que ejecuten este procedimiento. Mediante este modelo, se puede procesar grandes cantidades de datos resguardados en la red de memoria, sin necesidad de trasladarlos. Es por ello por lo que la memoria MRAM podría dar cabida a un amplio espectro de usos, desde la informática de sistemas hasta el almacenamiento.

La fabricación de memorias DRAM no resulta la fase complicada, de hecho, desde hace dos años se están produciendo. Su dificultad técnica se encuentra en su implementación y funcionamiento, pues la arquitectura estándar de la computación de hoy en día tiene como base la suma de corrientes (current-sum). La baja resistencia que caracteriza a la memoria MRAM hace que no se pueda reducir el consumo energético cuando se utiliza en dispositivos computacionales estándares.

La memoria MRAM aún sigue siendo considerada como una tecnología emergente, por lo que deberá pasar tiempo hasta que se identifique el verdadero potencial e impacto que puede tener en el mercado. Por los momentos ya se divisa su utilidad en áreas que necesitan afrontar problemas tecnológicos de memoria, incrementando su durabilidad y rendimiento, siendo algunas de ellas la industria aeroespacial, el sector automovilístico, la defensa, la robótica, la salud, el IoT, el edge computing, la gestión de la energía y automatización, la inteligencia artificial y el machine learning.

En términos generales, existe un gran interés por la implementación de las memorias MRAM, por lo que ya hay startups y empresas produciéndolas, mientras otras se han comprometido en investigar e invertir para conseguir más y mejores avances.

Samsung se adelanta al resto de empresas tecnológicas

El 13 de enero de 2022, Samsung Electronics emitió un comunicado de prensa anunciando la demostración de la primera computación basada en memoria MRAM a nivel global. La empresa estuvo investigando, hasta conseguir con éxito, la fusión de memoria MRAM con dispositivos semiconductores para chips de inteligencia artificial avanzada. Para hacer frente al problema de la resistencia baja, Samsung optó por sustituir la arquitectura computacional tradicional de suma de corriente por una de suma de resistencias (resistance sum), dando solución al hecho de que la memoria MRAM presente baja resistencia.

De acuerdo con los datos suministrados por el equipo de investigación de la multinacional coreana, la memoria fue probada con éxito al evaluar su rendimiento en computación de inteligencia artificial, alcanzando una precisión del 98% en la clasificación de dígitos escritos manualmente y del 93% en la detección de rostros en diferentes escenas.

El grupo de investigadores de Samsung también asomó la posibilidad de implementar la memoria MRAM para la descarga de redes neuronales biológicas, por lo que su uso podría ser aún más trascendental de lo que inicialmente ya supone en el área de la computación en memoria. Sin duda alguna, lo que ya queda claro es que este avance representa un hito en el desarrollo de chips de inteligencia artificial de bajo consumo.

Startups con proyección en el desarrollo de soluciones MRAM

Son varias las empresas emergentes a nivel global que están ofreciendo soluciones en el desarrollo de memorias MRAM o de arquitectura para su implementación, siendo algunas de las más destacadas las siguientes:

Numem. El startup estadounidense desarrolló soluciones de memoria MRAM de bajo consumo. Su solucione NuRAM & SmartMem Smart Compute Memory IP Cores proporciona una corriente de fuga 20 veces menor que la memoria SRAM estándar, ocupando un espacio entre 2 y 3 veces más pequeño. Asimismo, su memoria garantiza un nivel adicional de seguridad en el chip. Debido a su alta resistencia a la radiación, la solución tecnológica se encuentra dentro del chip coprocesador DNN Radiation Hardened de la NASA.

LoMaRe. La empresa emergente con sede en Reino Unido desarrolló una nueva solución patentada llamada PiezoMagnetic RAM (PMRAM). La tecnología es una plataforma versátil de dos terminales que permite disminuir el consumo de energía por bit hasta 25.000 veces en comparación con memorias tradicionales y admite el funcionamiento a temperaturas de más de 125 grados centígrados. Su primer producto, todavía en desarrollo, será una memoria PMRAM de dos dimensiones de baja capacidad, construida para sustituir a la memoria flash y SRAM en la industria automovilística, el IoT y la informática. Se espera que en el futuro pueda utilizarse también como memoria para ordenadores y dispositivos móviles.

Blueshift. Este startup británico también se encuentra realizando desarrollos en el sector de memorias MRAM. La empresa investiga nuevos módulos de memoria para disminuir la diferencia de rendimiento entre las CPU y la memoria RAM. La solución propuesta en este caso se enfoca en la arquitectura, por lo que independientemente del tipo de memoria utilizada, proporciona velocidades considerablemente superiores a los sistemas convencionales. Su tecnología es capaz de acelerar las celdas de datos de memorias MRAM y de otra índole.

Conclusiones

En conclusión, la memoria MRAM supone un avance significativo en el desarrollo de tecnología para el almacenamiento de datos en sistemas de computación pues ofrece soluciones a los problemas que las memorias convencionales poseen. Dispone de un mayor rendimiento de escritura y lectura, mayor resistencia, menor consumo energético y volatilidad nula.

El problema de la memoria MRAM no yace en su producción, pues es un hito que fue alcanzado hace ya varios años. No obstante, su problema radica en la implementación, pues las características de los dispositivos de computación actuales imposibilitan que la memoria tenga un bajo consumo energético.

Samsung Electronics logró dar solución a esta problemática hace escasos días, anunciando el desarrollo de una nueva solución arquitectónica que sustituye los sistemas de suma de corriente por unos de suma de resistencias, sacando el máximo provecho a las memorias MRAM en el área de dispositivos de inteligencia artificial avanzada.

Asimismo, son varias las empresas emergentes que se encuentran trabajando en desarrollar memorias MRAM o soluciones arquitectónicas para su aplicación efectiva, siendo algunas de las más destacadas Numem, LoMaRe y Blueshift.