Moiré-materiale laver en synaptisk transistor til neuromorfisk databehandling – Physics World

Moiré-materiale laver en synaptisk transistor til neuromorfisk databehandling – Physics World

Tidsstempel: 16. januar 2024 kl. 9

Kunstnerens billede af en stærkt forbundet hjerne, der rejser sig fra et fladt moire-mønstret materiale
Den nye enhed består af en asymmetrisk struktur bestående af to lag grafen og et lag sekskantet bornitrid. (Med høflighed: Xiaodong Yan, Northwestern University)

Forskere ved Northwestern University, Boston College og Massachusetts Institute of Technology (MIT), alle i USA, har udviklet en ny type transistor til brug i neuromorfisk databehandling. Enheden, som fungerer ved stuetemperatur, kan trænes til at genkende lignende inputmønstre - en egenskab kendt som associativ læring, der går ud over standard maskinlæringsopgaver.

Neuromorfe computere er, som deres navn antyder, inspireret af den menneskelige hjernes arkitektur. Byggestenene i deres kredsløb er stærkt forbundne kunstige neuroner og kunstige synapser, der simulerer hjernens struktur og funktioner. Disse maskiner har kombinerede behandlings- og hukommelsesenheder, der gør det muligt for dem at behandle information, samtidig med at de gemmer dem – ligesom en menneskelig hjerne, der udfører mange opgaver. Denne evne adskiller dem fra digitale computere med separate behandlings- og lagerenheder, som forbruger enorme mængder energi, når de udfører datatunge opgaver. Sådanne opgaver bliver mere og mere almindelige med ankomsten af ​​smarte, forbundne enheder og enorme datasæt.

Mens synaptiske enheder har udviklet sig betydeligt i de senere år, er de begrænset af mangel på gode koblingsmekanismer, forklarer Mark Hersam of Northwestern, der var med til at lede forskningsindsatsen. "Den stokastiske karakter af filamentær switching i memristorer (forkortelse for hukommelsesmodstande), som er den mest almindelige synaptiske teknologi i dag, fører til betydelig enhed-til-enhed og cyklus-til-cyklus-variabilitet," siger han.

Andre typer synaptiske enheder er afhængige af magnetisk omskiftning og faseskifte, men disse lider af henholdsvis lave koblingsforhold og høje koblingsenergier, tilføjer Hersam.

Moiré kvantematerialer

For at overvinde disse problemer har Hersam og kolleger studeret todimensionelle moiré-kvantematerialer. Disse består af lag af forskellige atomisk tynde materialer stablet oven på hinanden og snoet af små vinkler. Sådanne strukturer har elektroniske egenskaber, der ikke findes i individuelle lag af materiale. Ved at vride lagene i forskellige vinkler i forhold til hinanden, kan forskerne tune disse elektroniske egenskaber meget præcist – en egenskab, der er meget attraktiv for nye elektroniske enheder, herunder komponenter til neuromorfisk databehandling.

I deres arbejde, som er detaljeret i Natur, skabte forskerne en asymmetrisk struktur bestående af to lag grafen (en flad krystal af kulstof kun et atom tyk) og et lag af sekskantet bornitrid (hBN). Da disse to materialer har meget ens gitterkonstanter, er moiré-effekterne forårsaget af den lille uoverensstemmelse i deres atomers placering meget udtalte. Resultatet er en stærk Coulomb-kobling mellem de todelte elektroniske tilstande i heterostrukturen, der manifesterer sig som en elektronisk styret skraldemekanisme. Denne skralde gør det muligt at kontrollere konduktansen af ​​en transistor fremstillet af heterostrukturen præcist og kontinuerligt indstillet.

"Den kontinuerlige justering af enhedens konduktans giver tætte og programmerbare hukommelsestilstande ud over nye kvantesynaptiske funktioner, såsom biorealistisk homeostase og input-specifik tilpasning," forklarer Hersam. "Hvad mere er, bruger vores enheder meget lidt strøm og viser minimale enhed-til-enhed variationer takket være homogeniteten af ​​de elektroniske moiré-tilstande."

Rumtemperaturdrift

Og det er ikke alt: Enhederne skifter hurtigt, bevarer deres elektroniske tilstande, selv når strømmen er slukket, og vigtigst af alt er de stabile ved stuetemperatur. Dette er i modsætning til tidligere moiré-enheder, der kun fungerede ved kryogene temperaturer.

For at teste deres transistor trænede Hersam og teamet den til at genkende mønstre, der ligner hinanden. De begyndte med at indtaste en sekvens på tre nuller i træk (000) og testede den derefter for at identificere lignende mønstre, såsom 111 eller 101.

"Hvis vi trænede den til at registrere 000 og derefter gav den 111 og 101, ved den, at 111 er mere lig 000 end 101," forklarer Hersam. "000 og 111 er ikke helt det samme, men begge er tre cifre i træk."

At genkende lighed er en kognition på højere niveau kendt som associativ læring, og den nye enhed er i stand til dette, siger han.

Forskerne udforsker nu potentialet for andre van der Waals-materialer ud over grafen og hBN i håb om at integrere dem i moiré-heterostrukturer med endnu mere sofistikeret neuromorf funktionalitet. "Et langsigtet mål ville være at opskalere de mest lovende eksempler blandt disse heterostrukturer for at realisere fuldt integrerede neuromorfe kredsløb og systemer," fortæller Hersam Fysik verden.

Tidsstempel:

Mere fra Fysik verden