Materialefremskridt fremskynder realiseringen af ​​AI-teknologi

Forskere i Korea lykkedes for første gang i landet at udvikle et kernemateriale til næste generations neuromorfe (neural netværksimitation) halvleder. Dette er et resultat af et forskerhold ledet af Dr. Jung-dae Kwon og Yong-hun Kim fra Department of Energy and Electronic Materials fra Korea Institute of Materials Science sammen med professor Byungjin Chos forskerhold ved Chungbuk National University. KIMS er et statsfinansieret forskningsinstitut under Ministeriet for Videnskab og IKT.

Dette nye koncept memtransistor bruger et todimensionelt nanomateriale med en tykkelse på flere nanometer. Ved reproducerbar at efterligne nervesynapsernes elektriske plasticitet med mere end 1.000 elektriske stimulationer lykkedes det forskerne at opnå en høj mønstergenkendelsesrate på omkring 94,2 % (98 % af simulationsbaseret mønstergenkendelseshastighed).

Molybdæn svovl (MoS₂ ), meget udbredt som et halvledermateriale, arbejder ud fra princippet om, at defekter i en enkelt krystal bevæges af et eksternt elektrisk felt, hvilket gør det vanskeligt præcist at kontrollere koncentrationen eller formen af ​​defekten. For at løse problemet stablede forskerholdet sekventielt et oxidisk lag af niobiumoxid (Nb₂ O₅ ) og et molybdænsvovlmateriale og lykkedes med at udvikle en kunstig synaptisk anordning med en memtransistorstruktur med høj elektrisk pålidelighed af et eksternt elektrisk felt. Derudover har de demonstreret, at modstandsskifteegenskaberne frit kan kontrolleres ved at ændre tykkelsen af ​​det oxiderede niobiumlag, og at hjerneinformation relateret til hukommelse og glemsel kan behandles med en meget lav energi på 10 PJ (picojoule).

I øjeblikket, da kunstig intelligens-hardware bruger store mængder strøm og omkostninger i form af GPU'er, FPGA'er og ASIC'er, forventes det at generere eksplosiv efterspørgsel, efterhånden som industrien vokser i fremtiden. Det wearable AI-marked forventes at nå op på $42,4 milliarder i 2023 ved en CAGR på 29,75 % fra omkring $11,5 milliarder i 2018.

Et forskerhold ledet af Dr. Jung-dae Kwon og Yong-hun Kim ved KIMS sagde:"Brug af en høj-pålidelig, ny-koncept memtransistor struktur-baseret AI-halvleder kan i høj grad reducere kredsløbsdensiteten og drivenergien. Det forventes at blive anvendt på laveffekt-edge computing og bærbare AI-systemer i fremtiden."

Denne forskning blev udgivet som et forsidepapir på 1. oktober-udgaven af ​​Advanced Functional Materials . + Udforsk yderligere

Udvikling af dendritiske netværksimplementerbare kunstige neurofibertransistorer