Nowe badania: rewolucjonizujące platformy obliczeniowe inspirowane mózgiem z technologią 2D TFET oszczędzającą energię

WarsawKomputery znacząco zwiększyły swoje możliwości i potrafią doskonale przetwarzać oraz przewidywać dane. Jednakże mózgi ludzkie zużywają znacznie mniej energii. Nawet najwydajniejsze komputery potrzebują około 10 000 razy więcej energii niż mózgi ludzkie do wykonywania zadań takich jak przetwarzanie obrazów.

Zmniejszenie zużycia energii przez komputery jest istotne. Urządzenia elektroniczne w komputerach są czwartym co do wielkości konsumentem energii na świecie, a ich zużycie rośnie ze względu na rozwój sztucznej inteligencji. Strat energetyczne przyczyniają się również do globalnego ocieplenia. Z tego powodu pilne jest opracowanie energooszczędnych technologii komputerowych.

Neuromorficzne obliczenia naśladują działanie mózgu, wykorzystując neurony, które przetwarzają informacje równocześnie, zużywając przy tym niewiele energii. Ta metoda może zmniejszyć ilość energii potrzebnej do obliczeń. Badacze z UC Santa Barbara, Intel Labs i innych instytucji opublikowali artykuł w Nature Communications dotyczący nowej platformy obliczeń neuromorficznych. Wykorzystali specjalne tranzystory z materiałów 2D zwane dichalkogenidami metali przejściowych, które mogą pomóc obniżyć zużycie energii do poziomów podobnych do ludzkiego mózgu.

Ta nowa platforma charakteryzuje się intuicyjnymi funkcjami, przejrzystym designem, szybką wydajnością oraz solidnym zabezpieczeniem.

• Wykorzystuje tranzystory polowe z tunelowaniem kwantowym (TFET) oparte na dwuwymiarowych materiach (TMD)
• Niższe prądy w stanie wyłączonym
• Niska wartość nachylenia podprogowego (SS)
• Możliwość znacznej efektywności energetycznej

Neuromorficzne obliczenia istnieją od jakiegoś czasu i ostatnio zyskują na uwadze. Postępy w technologii obwodów umożliwiły tworzenie mniejszych i bardziej zagęszczonych tranzystorów. Dzięki temu możemy przeprowadzać więcej operacji i dodawać nowe funkcje przy mniejszym zużyciu energii.

Zobacz również:

Dzisiaj · 01:33

Czy magia dźwięku oczaruje osoby niewidome?

Naukowcy opracowują nowe, dwuwymiarowe tranzystory tunelowe, które działają sprawnie przy niskich napięciach. Te niewielkie tranzystory zużywają mniej energii i przełączają się szybko. Imitują one efektywny sposób działania ludzkiego mózgu. Architektura obliczeń neuromorficznych wykorzystuje układy, które aktywują się tylko wtedy, gdy są potrzebne, w przeciwieństwie do tradycyjnych komputerów, które zużywają ciągłą moc.

Tradycyjne komputery działają w architekturze von Neumanna, gdzie dane są przetwarzane krok po kroku, a jednostki pamięci i przetwarzania są oddzielone. Z kolei komputery neuromorficzne (NM) przetwarzają informacje tylko w momencie pojawienia się danych wejściowych, a ich pamięć i jednostki przetwarzania są rozproszone pomiędzy licznymi tranzystorami. Firmy takie jak Intel i IBM stworzyły platformy wzorowane na mózgu, wyposażone w miliardy połączonych tranzystorów, które znacznie oszczędzają energię, chociaż wciąż istnieją możliwości dalszej poprawy.

Większość utraty energii w obecnych układach NM wynika z prądów upływowych. Są to niewielkie ilości elektryczności, które płyną nawet, gdy obwód jest wyłączony. Aktualne układy NM używają tranzystorów MOSFET, które mają wysokie prądy upływowe w stanie wyłączenia. Nowa metoda korzysta z TFET, które charakteryzują się znacznie niższym prądem upływowym w stanie wyłączenia, co sprawia, że zużycie energii jest znacznie bardziej efektywne.

W neuromorficznych układach scalonych tranzystory TFET zużywały mniej energii niż najnowsze MOSFET-y. W szczególności wypadały lepiej od FinFET-ów, czyli rodzaju MOSFET-ów z pionowymi strukturami, które poprawiają przełączanie. Mimo że TFET-y są nadal w fazie badań, ich wydajność wydaje się obiecująca dla przyszłych systemów obliczeniowych inspirowanych mózgiem.

Naukowcy uważają, że ta nowa platforma zużywa mniej energii, podobnie jak ludzki mózg. Nie uwzględnia to jednak energii potrzebnej na obwody interfejsowe i przechowywanie pamięci. W przyszłości trójwymiarowe wersje tych obwodów mogą działać jeszcze wydajniej. Takie trójwymiarowe obwody zwiększyłyby wydajność i efektywność. Ta platforma to znaczący krok naprzód w porównaniu do obecnej technologii.