Paměťové rezistory založené na grafenu jsou příslibem pro biomimetické výpočty

Jak se pokrok v tradičních výpočtech zpomaluje, dostávají se do popředí nové formy výpočetní techniky. V Penn State se tým inženýrů pokouší propagovat typ výpočetní techniky, který napodobuje účinnost neuronových sítí mozku a zároveň využívá analogickou povahu mozku.

Moderní výpočetní technika je digitální a skládá se ze dvou stavů, zapnuto-vypnuto nebo jedničky a nuly. Analogový počítač, stejně jako mozek, má mnoho možných stavů. Můžeme si to jednoduše představit jako rozdíl mezi typickým zapnutím a vypnutím vypínače světla a ovládání světelné intenzity pomocí stmívače, kde je světelná škála emitujících elektronů podstatně větší.

Neuromorfní systém

Neuromorfní nebo mozkem inspirované výpočty byly studovány již více než 40 let, tvrdí Saptarshi Das, vedoucí týmu a odborný asistent inženýrské vědy a mechaniky na Penn State. Novinkou je, že s dosažením hranice digitálního zpracování dat vzrostla potřeba vysokorychlostního zpracování obrazu, například u autonomních vozidel. Vzestup poměrně nové informační disciplíny Big Data, která vyžaduje typy rozpoznávání vzorů, pro které je mozková architektura obzvláště vhodná, je dalším hnacím motorem při hledání neuromorfních výpočtů.

“Máme výkonné počítače, o tom není pochyb, ale problém spočívá v tom, že je potřeba uložit paměť na jednom místě a provést výpočty někde jinde,” řekl Das.

“Vytváříme umělé neuronové sítě, které se snaží emulovat energetickou a plošnou efektivitu mozku,” vysvětlil Thomas Shranghamer, doktorand ve skupině Das a první autor v článku nedávno publikovaném v Nature Communications. “Mozek je tak kompaktní, že se vejde na vaše ramena, zatímco moderní superpočítač zabírá prostor o velikosti dvou nebo tří tenisových kurtů.”

Stejně jako synapse spojující neurony v mozku, které lze překonfigurovat, lze i umělé neuronové sítě, které tým vytváří, překonfigurovat aplikací krátkého elektrického pole na list grafenu, vrstvy atomů uhlíku. V této práci ukazují nejméně šestnáct možných stavů paměti, na rozdíl od dvou, které se nachází ve většině paměťových rezistorů.

“Ukázali jsme, že dokážeme přesně řídit velké množství stavů paměti pomocí jednoduchých tranzistorů s efektem grafenového pole,” řekl Das.

Tým si myslí, že je možné tuto technologii rozšířit v komerčním měřítku. Vzhledem k tomu, že mnoho z největších polovodičových společností aktivně sleduje neuromorfní výpočty, Das věří, že si tento nový způsob najde svoji cestu.

Kromě Dase a Shranghamera je dalším autorem příspěvku s názvem „Graphene Memristive Synapses for High Precision Neuromorphic Computing“ Aaryan Oberoi, doktorand v oblasti vědeckého inženýrství a mechaniky.

Zdroj: https://news.psu.edu
Zdroj úvodního obrázku: @news.psu.edu