Ny metal-halvleder-grænseflade til hjerneinspireret computing

En af de store udfordringer inden for computerarkitektur er at integrere lagring, hukommelse og behandling i en enhed. Dette ville gøre computere hurtigere og mere energieffektive. Fysikere fra University of Groningen har taget et stort skridt mod dette mål ved at kombinere en niob -dopet strontiumtitanat (SrTiO3) halvleder med ferromagnetisk kobolt. Ved grænsefladen, dette skaber en spin-memristor med opbevaringsevner, baner vejen for neuromorfe computingarkitekturer. Resultaterne blev offentliggjort den 22. januar i Videnskabelige rapporter .

Enheden udviklet af fysikerne kombinerer memristor-effekten af ​​halvledere med et spinbaseret fænomen kaldet tunneling anisotrop magnetoresistance (TAMR) og fungerer ved stuetemperatur. SrTiO3-halvlederen har en ikke-flygtig variabel modstand, når den er forbundet med kobolt:et elektrisk felt kan bruges til at ændre det fra lav til høj modstand og tilbage. Dette er kendt som elektroresistanceeffekten.

Desuden, når et magnetfelt blev anvendt på tværs af den samme grænseflade, ind og ud af koboltens plan, dette viste en justerbarhed af TAMR -spin -spændingen med 1,2 mV. Denne sameksistens af både en stor ændring i værdien af ​​TAMR og elektroresistens på tværs af den samme enhed ved stuetemperatur er ikke tidligere blevet påvist i andre materialesystemer.

"Det betyder, at vi kan gemme yderligere oplysninger på en ikke-flygtig måde i memristoren, skaber således en meget enkel og elegant integreret spin-memristor-enhed, der fungerer ved stuetemperatur, "forklarer professor i Spintronics of Functional Materials Tamalika Banerjee. Hun arbejder på Zernike Institute for Advanced Materials ved University of Groningen. Indtil videre har forsøger at kombinere spin-baseret opbevaring, hukommelse og computing er blevet hæmmet af en kompleks arkitektur ud over andre faktorer.

Nøglen til succes med Banerjee -gruppens enhed er grænsefladen mellem kobolt og halvlederen. "Vi har vist, at et et nanometer tykt isolerende lag af aluminiumoxid får TAMR-effekten til at forsvinde, "siger Banerjee. Det krævede en del arbejde at konstruere grænsefladen. Det gjorde de ved at justere niobiumdopingen af ​​halvlederen og dermed det potentielle landskab ved grænsefladen. Den samme sameksistens kan ikke realiseres med silicium som halvleder:" Du har brug for de tunge atomer i SrTiO3 til spin -kredsløbskoblingen ved grænsefladen, der er ansvarlig for den store TAMR -effekt ved stuetemperatur. "

Disse enheder kunne bruges i en hjernelignende computerarkitektur. De ville fungere som synapser, der forbinder neuronerne. Synapsen reagerer på en ekstern stimulus, men dette svar afhænger også af synapsenes hukommelse af tidligere stimuli. "Vi overvejer nu, hvordan vi opretter en bioinspireret computerarkitektur baseret på vores opdagelse." Et sådant system ville bevæge sig væk fra den klassiske Von Neumann -arkitektur. Den store fordel er, at det forventes at bruge mindre energi og dermed producere mindre varme. "Dette vil være nyttigt for" tingenes internet, "hvor tilslutning af forskellige enheder og netværk genererer uholdbare mængder varme."

Fysikken i hvad der præcist sker ved grænsefladen mellem kobolt og strontiumhalvlederen er kompliceret, og der skal gøres mere arbejde for at forstå dette. Banerjee:"Når vi forstår det bedre, vi vil kunne forbedre systemets ydeevne. Det arbejder vi i øjeblikket på. Men det fungerer godt, som det er, så vi overvejer også at opbygge et mere komplekst system med sådanne spin-memristors for at teste faktiske algoritmer for specifikke kognitionsevner i den menneskelige hjerne. "Banerjees enhed er relativt enkel. Skalering til en fuld computingarkitektur er det næste store skridt.

Hvordan man integrerer disse enheder i en parallel computingarkitektur, der efterligner hjernens funktion, er et spørgsmål, der fascinerer Banerjee. "Vores hjerne er en fantastisk computer, i den forstand, at det kan behandle store mængder information parallelt med en energieffektivitet, der er langt bedre end en supercomputer. "Banerjees teams fund kan føre til nye arkitekturer for hjerneinspireret computing.