Moiré materjal teeb sünaptilise transistori neuromorfse andmetöötluse jaoks – Physics World

USA Northwesterni ülikooli, Bostoni kolledži ja Massachusettsi tehnoloogiainstituudi (MIT) teadlased on välja töötanud uut tüüpi transistori, mida kasutatakse neuromorfsetes andmetöötlustes. Seadet, mis töötab toatemperatuuril, saab õpetada ära tundma sarnaseid sisendite mustreid – seda omadust nimetatakse assotsiatiivseks õppimiseks, mis ületab standardsed masinõppe ülesanded.

Neuromorfsed arvutid, nagu nende nimigi ütleb, on inspireeritud inimaju arhitektuurist. Nende ahelate ehitusplokkideks on tihedalt seotud tehisneuronid ja kunstlikud sünapsid, mis simuleerivad aju struktuuri ja funktsioone. Nendel masinatel on kombineeritud töötlemis- ja mäluüksused, mis võimaldavad neil töödelda teavet samal ajal, kui nad seda salvestavad – täpselt nagu multitegumtööga inimaju. See võime eristab neid eraldi töötlemis- ja salvestusseadmetega digitaalarvutitest, mis kulutavad andmemahukate ülesannete täitmisel tohutult energiat. Sellised ülesanded muutuvad nutikate ühendatud seadmete ja suurte andmekogumite saabudes üha tavalisemaks.

Kuigi sünaptilised seadmed on viimastel aastatel märkimisväärselt arenenud, piirab neid heade lülitusmehhanismide puudumine, selgitab Mark Hersam of Loodeosas, kes juhtis uurimistööd. "Memristorites (lühend mälutakistitest), mis on tänapäeval kõige levinum sünaptiline tehnoloogia, stohhastiline olemus põhjustab märkimisväärset seadmete ja seadmete vahelist ja tsüklit tsüklit muutlikkust," ütleb ta.

Muud tüüpi sünaptilised seadmed tuginevad magnetilisele ja faasimuutusele, kuid need kannatavad vastavalt madalate lülitussuhete ja kõrge lülitusenergia tõttu, lisab Hersam.

Muaree kvantmaterjalid

Nendest probleemidest ülesaamiseks on Hersam ja kolleegid uurinud kahemõõtmelisi muaree kvantmaterjale. Need koosnevad erinevate aatomõhukeste materjalide kihtidest, mis on üksteise peale virnastatud ja väikeste nurkade all keerdunud. Sellistel struktuuridel on elektroonilised omadused, mida üksikutes materjalikihtides ei eksisteeri. Kihid üksteise suhtes erinevate nurkade all keerates saavad teadlased neid elektroonilisi omadusi väga täpselt häälestada – see omadus on väga atraktiivne uute elektroonikaseadmete, sealhulgas neuromorfse andmetöötluse komponentide jaoks.

Nende töös, mis on üksikasjalikult kirjeldatud loodus, lõid teadlased asümmeetrilise struktuuri, mis koosneb kahest grafeenikihist (vaid ühe aatomi paksune lame süsiniku kristall) ja kuusnurkse boornitriidi (hBN) kihist. Kuna nendel kahel materjalil on väga sarnased võrekonstandid, on muaree-efektid, mis on põhjustatud nende aatomite paiknemise väikesest mittevastavusest, väga väljendunud. Tulemuseks on tugev Coulombi side heterostruktuuri kahepoolsete elektrooniliste olekute vahel, mis avaldub elektrooniliselt juhitava põrkmehhanismina. See põrkmehhanism võimaldab heterostruktuurist valmistatud transistori juhtivust täpselt juhtida ja pidevalt häälestada.

"Seadme juhtivuse pidev häälestatavus annab lisaks uudsetele kvantsünaptilistele funktsioonidele, nagu biorealistlik homöostaas ja sisendispetsiifiline kohanemine, tihedaid ja programmeeritavaid mäluolekuid," selgitab Hersam. "Veelgi enam, meie seadmed tarbivad väga vähe energiat ja näitavad minimaalseid seadmete vahelisi erinevusi tänu muaree elektrooniliste olekute homogeensusele."

Toatemperatuuril töötamine

Ja see pole veel kõik: seadmed lülituvad kiiresti, säilitavad oma elektroonilise oleku ka siis, kui toide on välja lülitatud, ja mis kõige tähtsam, on toatemperatuuril stabiilsed. See on vastupidine varasematele muareeseadmetele, mis töötasid ainult krüogeensetel temperatuuridel.

Oma transistori testimiseks õpetasid Hersam ja meeskond seda tundma mustreid, mis tunduvad üksteisega sarnased. Nad alustasid kolmest nullist koosneva jada (000) sisestamisega ja seejärel katsetasid seda sarnaste mustrite tuvastamiseks, näiteks 111 või 101.

Memristorid teevad neuromorfse andmetöötluse jaoks mitmekülgseid kunstlikke sünapse

"Kui me õpetasime seda tuvastama 000 ja seejärel andsime sellele 111 ja 101, siis ta teab, et 111 on rohkem sarnane 000-ga kui 101," selgitab Hersam. "000 ja 111 ei ole täpselt samad, kuid mõlemad on kolm numbrit järjest."

Sarnasuse äratundmine on kõrgema taseme tunnetuse vorm, mida nimetatakse assotsiatiivseks õppimiseks ja uus seade on selleks võimeline, ütleb ta.

Teadlased uurivad nüüd muude van der Waalsi materjalide potentsiaali peale grafeeni ja hBN, lootes integreerida need muaree heterostruktuuridesse, millel on veelgi keerukam neuromorfne funktsionaalsus. "Pikaajaline eesmärk oleks laiendada nende heterostruktuuride seas kõige lootustandvamaid näiteid, et realiseerida täielikult integreeritud neuromorfsed ahelad ja süsteemid," räägib Hersam. Füüsika maailm.

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
• Allikas: https://physicsworld.com/a/moire-material-makes-a-synaptic-transistor-for-neuromorphic-computing/