Nieuwe rekenmethode moet energieverbruik computergeheugen drastisch verlagen

Elke keer dat een computer een nul in een één verandert (of andersom), kost dat energie. Bij AI-toepassingen, zoekmachines en datacenters gebeurt dat miljarden keren per seconde. Naarmate kunstmatige intelligentie groeit, groeit ook het elektriciteitsverbruik van de hyperscale-datacenters die al die berekeningen uitvoeren. Zonder efficiëntere hardware dreigt digitale technologie een steeds groter deel van de wereldwijde stroomrekening en CO2-uitstoot voor haar rekening te nemen.

Slimmer schakelen met wiskunde

Een team van de Universiteit van Edinburgh, onder leiding van natuurkundige Elton Santos, richtte zich op een specifiek onderdeel van dat probleem: het schakelen van magnetische geheugens. In technologieën als DRAM en de nieuwere STT-MRAM en SOT-MRAM wordt informatie opgeslagen door de magnetische richting van piepkleine deeltjes om te draaien. Dat omdraaien kost nu relatief veel stroom. De onderzoekers gebruikten Optimal Control Theory, een wiskundig raamwerk dat berekent hoe je een systeem met zo min mogelijk energie van de ene naar de andere toestand brengt. Daarmee ontwierpen ze ultrasnelle magnetische pulsen die het schakelproces sturen langs de meest zuinige route, terwijl ze ook rekening hielden met praktische beperkingen van echte apparaten.

Dicht bij de natuurkundige ondergrens

Computersimulaties tonen dat deze aanpak het energieverbruik per schakeling met verschillende ordes van grootte kan verlagen ten opzichte van huidige en in ontwikkeling zijnde geheugentechnieken. Nog opvallender: de voorspelde energiewaarden komen dicht in de buurt van de zogeheten Landauer-limiet, de absolute minimumhoeveelheid energie die de natuurkunde toestaat voor het verwerken van één bit informatie. Die grens is een fundamentele fysische wet, vergelijkbaar met de lichtsnelheid als grens voor snelheid. Een technologie die er dicht tegenaan kruipt, zou nagenoeg zo zuinig zijn als natuurkundig mogelijk is.

Het onderzoek, gepubliceerd in het tijdschrift Advanced Materials, blijft niet steken bij theorie. De auteurs geven ook concrete aanwijzingen voor mogelijke chipontwerpen en manieren om de magnetische velden in de praktijk op te wekken, zodat andere onderzoeksgroepen de methode experimenteel kunnen testen.

Meer dan alleen magneten

Santos benadrukt dat de wiskundige aanpak breder inzetbaar is dan alleen magnetische velden. Dezelfde principes zouden ook toegepast kunnen worden op elektrische stroompulsen en ultrasnelle laserpulsen, technieken die eveneens worden onderzocht voor toekomstig dataopslag. Dat vergroot de potentiële impact van het werk aanzienlijk: als de methode zich laat vertalen naar meerdere soorten hardware, kan ze bijdragen aan zuiniger geheugen in een brede reeks apparaten, van smartphones tot de servers achter AI-modellen. Het onderzoek bevindt zich nog in de simulatiefase; experimentele validatie moet nog volgen voordat de techniek in echte chips terechtkomt.