Omslagspapper för oktobernumret av Advanced Functional Materials . Kredit:Korea Institute of Materials Science (KIMS)
Forskare i Korea lyckades utveckla ett kärnmaterial för nästa generations neuromorfa (neurala nätverksimitation) halvledare för första gången i landet. Detta är ett resultat av en forskargrupp ledd av Dr Jung-dae Kwon och Yong-hun Kim från Institutionen för energi och elektroniska material vid Korea Institute of Materials Science, tillsammans med professor Byungjin Chos forskargrupp vid Chungbuk National University. KIMS är ett statligt finansierat forskningsinstitut under ministeriet för vetenskap och IKT.
Detta nya koncept memtransistor använder ett tvådimensionellt nanomaterial med en tjocklek på flera nanometer. Genom att reproducerbart imitera den elektriska plasticiteten hos nervsynapser med mer än 1 000 elektriska stimuleringar, lyckades forskarna få en hög mönsterigenkänningsgrad på cirka 94,2 % (98 % av simuleringsbaserad mönsterigenkänningsgrad).
Molybdensvavel (MoS2 ), som ofta används som ett halvledarmaterial, fungerar enligt principen att defekter i en enskild kristall flyttas av ett externt elektriskt fält, vilket gör det svårt att exakt kontrollera koncentrationen eller formen av defekten. För att lösa problemet staplade forskargruppen i tur och ordning ett oxidiskt lager av nioboxid (Nb2 O5 ) och ett molybdensvavelmaterial och lyckades utveckla en artificiell synaptisk anordning med en memtransistorstruktur med hög elektrisk tillförlitlighet genom ett externt elektriskt fält. Dessutom har de visat att resistansomkopplingsegenskaperna kan styras fritt genom att ändra tjockleken på nioboxidskiktet, och att hjärninformation relaterad till minne och glömska kan bearbetas med en mycket låg energi på 10 PJ (picojoule).
För närvarande, eftersom artificiell intelligens hårdvara förbrukar stora mängder ström och kostnader i form av GPU, FPGA och ASIC, förväntas den generera en explosiv efterfrågan när industrin växer i framtiden. Den bärbara AI-marknaden förväntas nå 42,4 miljarder dollar år 2023, med en CAGR på 29,75 % från cirka 11,5 miljarder dollar 2018.
En forskargrupp ledd av Dr. Jung-dae Kwon och Yong-hun Kim vid KIMS sa:"Att använda en högtillförlitlig, nykoncept memtransistor strukturbaserad AI-halvledare kan kraftigt minska kretstätheten och drivenergin. Det förväntas att tillämpas på lågeffektsdatorer och bärbara AI-system i framtiden."
Denna forskning publicerades som ett omslagspapper på 1 oktober numret av Advanced Functional Materials . + Utforska vidare
