مصرف انرژی کم با سرعت بالا؛
به گزارش گروه فناوری خبرگزاری دانشجو، یک گروه تحقیقاتی از دانشگاه ایالتی پنسیلوانیا با استفاده از گرافن اقدام به ساخت مقاومت‌های حافظه (ممریستور) کرده است. این ممریستور‌ها از شبکه‌های عصبی مغز تقلید می‌کنند.
براساس مقاله‌ای که این گروه در نشریه Nature Communications به چاپ رساندند، این تیم تحقیقاتی احتمال ایجاد یک سیناپس ممریستوری غیرفرار چند سطحی را مطرح کرده‌اند. حالت‌های دیجیتالی که می‌توانند روشن یا خاموش باشند یا مقدار آن‌ها یک یا صفر باشد، اساس سیستم‌های محاسباتی مدرن هستند. از سوی دیگر، یک کامپیوتر آنالوگ – مانند مغز انسان – امکان هر تعداد حالت ممکن را فراهم می‌کند. در واقع به‌جای حالت گسسته یک یا صفر، کامپیوتر‌های آنالوگ می‌توانند هر مقدار پیوسته را بین یک تا صفر ارائه دهند.
ساپتایریش داس، رهبر این تیم تحقیقاتی و استادیار علوم مهندسی و مکانیک دانشگاه ایالتی پنسیلوانیا می‌گوید که نرومورفیک – فناوری محاسباتی که از عملکرد مغز تقلید می‌کند – بیش از چهار دهه وجود داشته است. در حقیقت، نورومورفیک مفهومی بود که برای اولین بار توسط کارور مید، دانشمند و مهندس موسسه فناوری کالیفرنیا، برای توصیف استفاده از سیستم‌های VLSI که دارای مدار‌های آنالوگ الکترونیکی هستند و از معماری عصب‌شناسی مغز تقلید می‌کنند، ساخته شد.
داس می‌گوید: «ما کامپیوتر‌های قدرتمندی داریم، در این کامپیوتر‌ها مشکل اصلی این است که شما باید حافظه را در یک جا نگهداری کرده و محاسبات را در جای دیگری انجام دهید.»
برای حل این مشکل، تیم تحقیقاتی این پروژه به شبکه‌های عصبی مصنوعی (ANN) روی آوردند، شبکه‌ای که به گفته نویسنده اول مقاله این پروژه توماس شرانگامر، به دنبال تقلید از انرژی و بازده مغز است.
محققان این پروژه به یک رسانایی قابل برنامه‌ریزی در گروهی از ترانزیستور‌های اثر میدان گرافن (GFET) دست یافتند. این محصول به‌عنوان یک دستگاه حافظه، قابل برنامه‌ریزی بوده تا بیش از ۱۶ حالت رسانایی را حفظ کند و از حالت‌های باینری دیجیتال در ممریستور‌های اکسیدی پیشی بگیرد. محققان برای ایجاد GFETهای خود، گرافن را با استفاده از روش رسوب شیمیایی بخار (CVD) ساختند، سپس آن را به یک زیرلایه ۵۰ نانومتری آلومینا منتقل کردند. آلومینا به‌عنوان لایه اکسید دروازه پشت عمل می‌کند، در حالی که لایه‌های بالایی حاوی پلاتین، نیترید تیتانیوم و سیلیکون است.
با اعمال یک میدان الکتریکی کنترل شده روی ورق گرافن، ANN ساخته شده را می‌توان به روشی مشابه سیناپس پیکربندی کرد.
براساس مقاله‌ای که این گروه در نشریه Nature Communications به چاپ رساندند، این تیم تحقیقاتی احتمال ایجاد یک سیناپس ممریستوری غیرفرار چند سطحی را مطرح کرده‌اند. حالت‌های دیجیتالی که می‌توانند روشن یا خاموش باشند یا مقدار آن‌ها یک یا صفر باشد، اساس سیستم‌های محاسباتی مدرن هستند. از سوی دیگر، یک کامپیوتر آنالوگ – مانند مغز انسان – امکان هر تعداد حالت ممکن را فراهم می‌کند. در واقع به‌جای حالت گسسته یک یا صفر، کامپیوتر‌های آنالوگ می‌توانند هر مقدار پیوسته را بین یک تا صفر ارائه دهند.
ساپتایریش داس، رهبر این تیم تحقیقاتی و استادیار علوم مهندسی و مکانیک دانشگاه ایالتی پنسیلوانیا می‌گوید که نرومورفیک – فناوری محاسباتی که از عملکرد مغز تقلید می‌کند – بیش از چهار دهه وجود داشته است. در حقیقت، نورومورفیک مفهومی بود که برای اولین بار توسط کارور مید، دانشمند و مهندس موسسه فناوری کالیفرنیا، برای توصیف استفاده از سیستم‌های VLSI که دارای مدار‌های آنالوگ الکترونیکی هستند و از معماری عصب‌شناسی مغز تقلید می‌کنند، ساخته شد.
داس می‌گوید: «ما کامپیوتر‌های قدرتمندی داریم، در این کامپیوتر‌ها مشکل اصلی این است که شما باید حافظه را در یک جا نگهداری کرده و محاسبات را در جای دیگری انجام دهید.»
برای حل این مشکل، تیم تحقیقاتی این پروژه به شبکه‌های عصبی مصنوعی (ANN) روی آوردند، شبکه‌ای که به گفته نویسنده اول مقاله این پروژه توماس شرانگامر، به دنبال تقلید از انرژی و بازده مغز است.
محققان این پروژه به یک رسانایی قابل برنامه‌ریزی در گروهی از ترانزیستور‌های اثر میدان گرافن (GFET) دست یافتند. این محصول به‌عنوان یک دستگاه حافظه، قابل برنامه‌ریزی بوده تا بیش از ۱۶ حالت رسانایی را حفظ کند و از حالت‌های باینری دیجیتال در ممریستور‌های اکسیدی پیشی بگیرد. محققان برای ایجاد GFETهای خود، گرافن را با استفاده از روش رسوب شیمیایی بخار (CVD) ساختند، سپس آن را به یک زیرلایه ۵۰ نانومتری آلومینا منتقل کردند. آلومینا به‌عنوان لایه اکسید دروازه پشت عمل می‌کند، در حالی که لایه‌های بالایی حاوی پلاتین، نیترید تیتانیوم و سیلیکون است.
با اعمال یک میدان الکتریکی کنترل شده روی ورق گرافن، ANN ساخته شده را می‌توان به روشی مشابه سیناپس پیکربندی کرد.
ارسال نظرات