Forskare vid Technion och TowerJazz i Israel har nyligen byggt en lågeffekt, två-terminal flytande-gate transistor som kan ha användbara tillämpningar i neuromorphic computing. Denna transistor, presenteras i en tidning i Naturelektronik , tillverkades med standard single-poly-teknik och en kommersiell 180-nm CMOS-process.

"Vårt labb arbetar vanligtvis med kretsar och arkitekturer med nya enheter, såsom memristorer, "Shahar Kvatinsky, en av forskarna som genomförde studien, berättade för TechXplore. "Problemet med dessa enheter är att de inte är kommersiellt tillgängliga och vi kan bara få dem i liten skala och med dålig tillförlitlighet. Så vanligtvis, vi förlitar oss antingen på simuleringar eller på små proof-of-concept med tillgängliga enheter."

Initialt, Kvatinsky och hans kollegor började leta efter ett sätt att testa sina idéer i en mer pålitlig miljö. Senare, under ett samarbete med TowerJazz som syftade till att modifiera den senares kommersiella Y-Flash-enheter, teamet insåg att under vissa förhållanden, dessa enheter kan ha liknande beteende som enheter som presenteras i deras design. Efter en serie tester på dessa enheter, de bestämde sig för att modellera dem som memristorer.

"Beteendet hos memristorer är mycket annorlunda än befintliga transistorer, " Sa Kvatinsky. "De är två-terminala (mot tre eller fyra terminaler i transistorer) och beter sig som motstånd med minne (detta är betydelsen av namnet). Även om memristorer inte är kommersiellt tillgängliga, Y-Flash är, i en stabil process på 0,18 um."

De memristorliknande enheterna som presenteras av forskarna kan justeras exakt med hjälp av optimerade kopplingsspänningar och tider. Dessutom, de kan uppnå 65 distinkta resistiva nivåer och har en 10-årig analog datalagring.

Den främsta fördelen med dessa enheter, dock, är att medan de reproducerar ett memristorliknande beteende, de kan enkelt byggas med hjälp av kommersiellt tillgänglig teknik, vilket inte är sant för de flesta befintliga memristorer. Dessutom, de är energisnåla och därmed avsevärt energieffektiva.

"Observera att för att tillverka Y-Flash i ett memristivt läge, de ändringar vi gjorde är mindre och kräver inga ytterligare tillverkningssteg, Kvatinsky tillade. "Detta betyder att deras kostnad är identisk med standard Y-Flash-transistorer."

Kvatinsky och hans kollegor genomförde en serie experiment där de visade potentialen hos deras memristorer för ett antal grundläggande neuromorfa tillämpningar. Särskilt, de visade att de är lämpliga för att uppnå spiktidsberoende plasticitet, vektor-matris multiplikation, associativt minne och klassificeringsträning.

"För akademiker som mig, våra transistorer kommer att tillåta oss att testa våra idéer i en relativt storskalig design med vanliga transistorer, " sa Kvatinsky. "För industrin, det öppnar möjligheter att tillverka effektiva neuromorfa AI-system för applikationer med låg effekt."

Dessa memristorer kan öppna upp spännande nya möjligheter för många områden av forskning och utveckling. De kan vara särskilt användbara för tillämpningar som kräver användning av memristorer i stor skala, såsom neuromorfa AI-system, såväl som för dem som kräver utmärkt integration med kommersiell teknologi.

"I det här pappret, vi visade hur den grundläggande enheten beter sig och demonstrerade flera neurala nätverksrelaterade applikationer, ", sa Kvatinsky. "Vi planerar nu att designa och tillverka större applikationer och integrera dem med transistorer."

© 2020 Science X Network