Gør Internet of Things muligt med en ny race af memristorer

Internet of Things kommer, så meget ved vi. Men ikke uden komponenter og chips, der kan klare den eksplosion af data, der følger med IoT. I 2020, der vil være 50 milliarder industrielle internetsensorer på plads. En enkelt autonom enhed - et smartwatch, en rengøringsrobot, eller en førerløs bil – kan producere gigabyte data hver dag, hvorimod en airbus kan have over 10, 000 sensorer alene i én vinge.

To forhindringer skal overvindes. Først, nuværende transistorer i computerchips skal miniaturiseres til størrelsen på kun få nanometer, en kæmpe termodynamisk udfordring; sekund, at analysere og gemme hidtil usete mængder af data vil kræve lige så store mængder energi. Sayani Majumdar, Akademistipendiat ved Aalto Universitet, sammen med sine kolleger, designer teknologi til at tackle begge problemer.

Majumdar har sammen med sine kolleger designet og fremstillet de grundlæggende byggesten til fremtidige komponenter i det, man kalder "neuromorfe" computere inspireret af den menneskelige hjerne. Det er et forskningsfelt, som de største ikt-virksomheder i verden og også EU investerer massivt i. Stadig, ingen er endnu kommet med en hardwarearkitektur i nanoskala, der kan skaleres til industriel fremstilling og brug.

"Teknologien og designet af neuromorfe computere udvikler sig hurtigere end dens rivaliserende revolution, kvanteberegning. Der er allerede bred spekulation både i den akademiske verden og i virksomhedens F &U om måder at indskrive tunge computermuligheder i hardware til smartphones, tablets og bærbare computere. Nøglen er at opnå den biologiske hjernes ekstreme energieffektivitet og efterligne den måde neurale netværk behandler information gennem elektriske impulser, " forklarer Majumdar.

Grundlæggende komponenter til computere, der fungerer som hjernen

I deres seneste artikel i Avancerede funktionelle materialer , Majumdar og hendes team rapporterer, at de har fremstillet en ny race af ferroelektriske tunnelforbindelser, ferroelektriske tynde film i nanometerskala klemt mellem to elektroder. De har evner ud over eksisterende teknologier og lover godt for energieffektiv og stabil neuromorfisk databehandling.

Forbindelserne arbejder i lave spændinger på mindre end fem volt og med en række forskellige elektrodematerialer – herunder silicium, der bruges i chips i det meste af vores elektronik. De kan også opbevare data i mere end 10 år uden strøm og fremstilles under normale forhold.

Tunnelkryds har indtil nu for det meste været fremstillet af metaloxider og kræver 700 grader Celsius temperaturer og høje støvsugere til fremstilling. Ferroelektriske materialer indeholder også bly, hvilket gør dem – og alle vores computere – til en alvorlig miljørisiko.

"Vores junctions er lavet af organiske kulbrintematerialer, og de ville reducere mængden af ​​giftigt tungmetalaffald i elektronik. Vi kan også lave tusindvis af junctions om dagen i stuetemperatur, uden at de lider af vandet eller ilten i luften. " forklarer Majumdar.

Det, der gør ferroelektriske tyndfilmskomponenter gode til neuromorfe computere, er deres evne til at skifte mellem ikke kun binære tilstande – 0 og 1 – men et stort antal mellemtilstande, såvel. Dette giver dem mulighed for at 'memorere' information ikke ulig hjernen:at gemme den i lang tid med små mængder energi og at beholde den information, de engang har modtaget - selv efter at være blevet slukket og tændt igen.

Disse kaldes memristorer. De er ideelle til beregning svarende til den i biologiske hjerner. Tage, for eksempel, den kommende Mars 2020 rover. For at Roveren kan behandle data på egen hånd med kun et enkelt solpanel som energikilde, dets uovervågede algoritmer skal bruge en kunstig hjerne.

"Det, vi stræber efter nu, er at integrere millioner af vores tunnelforbindelsesmembraner i et netværk på et areal på en kvadratcentimeter. Vi kan forvente at pakke så mange på så lille en plads, fordi vi nu har opnået en rekordstor forskel i strøm mellem tændte og slukkede tilstande i krydsene, og det giver funktionel stabilitet. Memristorerne kunne derefter udføre komplekse opgaver som billed- og mønstergenkendelse og træffe beslutninger selvstændigt, " siger Majumdar.