En to-terminal flydende gate-transistor til neuromorfe computere

Forskere ved Technion og TowerJazz i Israel har for nylig bygget en laveffekt, to-terminal floating-gate transistor, der kunne have nyttige applikationer inden for neuromorf computing. Denne transistor, præsenteret i et papir i Naturelektronik , blev fremstillet ved hjælp af standard single-poly teknologi og en kommerciel 180-nm CMOS-proces.

"Vores laboratorium arbejder normalt på kredsløb og arkitekturer med nye enheder, såsom memristors, "Shahar Kvatinsky, en af ​​forskerne, der gennemførte undersøgelsen, fortalte TechXplore. "Problemet med disse enheder er, at de ikke er kommercielt tilgængelige, og vi kan kun få dem i lille skala og med dårlig pålidelighed. Så normalt, Vi stoler enten på simuleringer eller på små proof-of-concept med tilgængelige enheder. "

I første omgang, Kvatinsky og hans kolleger begyndte at lede efter en måde at teste deres ideer på i et mere pålideligt miljø. Efterfølgende, under et samarbejde med TowerJazz med det formål at ændre sidstnævntes kommercielle Y-Flash-enheder, holdet indså, at under visse betingelser, disse enheder kan have lignende adfærd som enheder, der præsenteres i deres designs. Efter en række tests på disse enheder, de besluttede at modellere dem som memristors.

"Memristors adfærd er meget anderledes end eksisterende transistorer, "Sagde Kvatinsky." De er to-terminale (kontra tre eller fire terminaler i transistorer) og opfører sig som modstande med hukommelse (dette er betydningen af ​​navnet). Selvom memristors ikke er kommercielt tilgængelige, Y-Flash er, i en stabil proces på 0,18 um. "

De memristor-lignende enheder, som forskerne præsenterer, kan indstilles præcist ved hjælp af optimerede koblingsspændinger og tidspunkter. Ud over, de kan opnå 65 forskellige resistive niveauer og have en 10-årig analog datalagring.

Den primære fordel ved disse enheder, imidlertid, er at mens de gengiver en memristor-lignende adfærd, de kan let bygges ved hjælp af kommercielt tilgængelig teknologi, hvilket ikke er sandt for de fleste eksisterende memristors. Ud over, de har lav effekt og dermed betydeligt energieffektive.

"Bemærk, at for at fremstille Y-Flash i en memristiv tilstand, de ændringer, vi foretog, er mindre og kræver ikke yderligere fremstillingstrin, "Tilføjede Kvatinsky." Det betyder, at deres omkostninger er identiske med standard Y-Flash-transistorer. "

Kvatinsky og hans kolleger gennemførte en række eksperimenter, hvor de demonstrerede deres memristors potentiale for en række grundlæggende neuromorfe anvendelser. I særdeleshed, de viste, at de er egnede til at opnå spidstidsafhængig plasticitet, vektor-matrix multiplikation, associativ hukommelse og klassificeringstræning.

"For akademikere som mig, vores transistorer giver os mulighed for at teste vores ideer i et relativt stort design med regelmæssige transistorer, "Sagde Kvatinsky." For industrien, det åbner muligheder for at producere effektive neuromorfe AI-systemer til applikationer med lav effekt. "

Disse memristors kunne åbne op for spændende nye muligheder for mange forsknings- og udviklingsområder. De kan være særligt nyttige til applikationer, der kræver brug af memristors i stor skala, såsom neuromorfe AI -systemer, såvel som for dem, der kræver fremragende integration med kommercielle teknologier.

"I denne avis, vi viste hvordan den grundlæggende enhed opfører sig og demonstrerede flere neurale netværk relaterede applikationer, "Kvatinsky sagde." Vi planlægger nu at designe og fremstille større applikationer og integrere dem med transistorer. "

© 2020 Science X Network