一個研究團隊證明，使用 ECRAM 設備的模擬硬體可以最大限度地提高人工智慧的運算性能，展示了其商業化的潛力。他們的研究已發表在科學進步。

人工智慧技術（包括生成式人工智慧等應用）的快速發展，已將現有數位硬體（CPU、GPU、ASIC 等）的可擴展性推向極限。因此，人們對專門用於人工智慧運算的模擬硬體進行了積極的研究。

模擬硬體根據外部電壓或電流調整半導體的電阻，並採用垂直交叉的交叉點陣列結構儲存裝置並行處理人工智慧計算。儘管它在特定計算任務和連續資料處理方面比數位硬體具有優勢，但滿足計算學習和推理的多樣化要求仍然具有挑戰性。

為了解決模擬硬體儲存設備的局限性，由材料科學與工程系和半導體工程系的 Seyoung Kim 教授等人組成的研究小組專注於電化學隨機存取記憶體（ECRAM），它管理電導率透過離子運動和濃度。

與傳統的半導體記憶體不同，這些裝置採用三端結構，具有獨立的讀取和寫入資料路徑，允許以相對較低的功耗運作。

在他們的研究中，團隊成功地使用 64 × 64 陣列中的三端子半導體製造了 ECRAM 裝置。實驗表明，包含該團隊設備的硬體表現出出色的電氣和開關特性，以及高產和均勻性。

此外，該團隊還將 Tiki-Taka 演算法（一種基於模擬的尖端學習演算法）應用於這款高產硬件，成功地最大限度地提高了 AI 神經網路訓練計算的準確性。

值得注意的是，研究人員證明了硬體訓練的「重量保留」特性對學習的影響，並確認他們的技術不會超載人工神經網絡，突顯了該技術商業化的潛力。

這項研究意義重大，因為迄今為止文獻中報導的用於儲存和處理類比訊號的 ECRAM 設備的最大陣列為 10×10。研究人員現在已經成功地在最大規模上實現了這些設備，每個設備都有不同的特性。

浦項科技大學的 Seyoung Kim 教授表示：「透過開發基於新型儲存裝置技術的大規模陣列並開發模擬專用人工智慧演算法，我們已經確定了人工智慧運算效能和能源效率這遠遠超過了當前的數字方法。