由浦项工业大学材料科学与工学系教授金世荣、浦项工业大学材料科学与工学系教授卢京美、博士生郭铉正、高丽大学电气工程学院教授李亨民等人组成的研究小组。最近证明，使用ECRAM设备的模拟硬件可以最大限度地提高人工智能的计算性能，展示了其商业化的潜力。他们的研究发表在国际知名杂志《科学进展》上。 

人工智能技术的快速发展，包括像生成式人工智能这样的应用，已经将现有数字硬件(cpu、gpu、asic等)的可扩展性推向了极限。因此，对专门用于人工智能计算的模拟硬件进行了积极的研究。模拟硬件根据外部电压或电流调整半导体的电阻，并利用垂直交叉的存储设备的交叉点阵列结构来并行处理AI计算。尽管它在特定的计算任务和连续数据处理方面比数字硬件有优势，但满足计算学习和推理的各种需求仍然具有挑战性。 

为了解决模拟硬件存储设备的局限性，研究团队专注于电化学随机存取存储器(ECRAM)，它通过离子运动和浓度来管理电导率。与传统的半导体存储器不同，这些器件具有三端结构，具有读取和写入数据的独立路径，允许在相对较低的功耗下运行。 

在他们的研究中，该团队成功地在64×64阵列中使用三端半导体制造了ECRAM器件。实验表明，采用该团队设备的硬件具有出色的电气和开关特性，以及高产量和均匀性。此外，该团队还将尖端的基于模拟的学习算法Tiki-Taka算法应用于高产量硬件，成功地最大限度地提高了人工智能神经网络训练计算的准确性。值得注意的是，研究人员展示了硬件训练对学习的“重量保持”特性的影响，并证实他们的技术不会使人工神经网络过载，突出了该技术的商业化潜力。 

这项研究意义重大，因为迄今为止文献中报道的用于存储和处理模拟信号的最大ECRAM设备阵列是10×10。研究人员现在已经成功地在最大规模上实现了这些设备，每个设备都具有不同的特性。 

浦项工科大学教授金世永表示:“以新型存储器技术为基础，实现了大规模阵列，并开发了模拟特定的人工智能算法，从而发现了远远超过目前数字方法的人工智能计算性能和能源效率的潜力。” 

此次研究得到了产业通商资源部、产业技术企划评价院(KEIT)和韩国半导体产业协会支持的“半导体人才培养公私合作项目”、IDEC的EDA工具的支持。