Ny studie: Revolutionerande energieffektiva hjärninspirerade datorplattformar med förbättrad 2D TFET-teknik.

StockholmDatorer har förbättrats avsevärt i sina förmågor. De kan bearbeta och förutsäga data mycket bra. Men mänskliga hjärnor använder betydligt mindre energi. Även de bästa datorerna behöver ungefär 10 000 gånger mer energi än mänskliga hjärnor för att klara av uppgifter som bildbehandling.

Att minska energiförbrukningen hos datorer är viktigt. Elektroniken i datorer står för den fjärde största energianvändningen i världen, och deras användning ökar på grund av applikationer inom artificiell intelligens. Denna energiförlust bidrar också till global uppvärmning. Därför är det brådskande att utveckla energieffektiva datorteknologier.

Neuromorf databehandling imiterar hjärnans arbetssätt genom att använda neuroner som bearbetar information samtidigt och förbrukar lite energi. Denna metod kan minska mängden energi som behövs för databehandling. Forskare från UC Santa Barbara, Intel Labs och andra publicerade en studie i Nature Communications om en ny neuromorf dataplattform. De använde speciella transistorer tillverkade av 2D-material som kallas övergångsmetall-dikalkogenider, vilket kan bidra till att minska energiförbrukningen till nivåer jämförbara med den mänskliga hjärnan.

Denna nya plattform erbjuder användarvänliga funktioner, en snygg design, snabb prestanda och hög säkerhet.

• Använder tvådimensionella TMD-baserade TFETs
• Lägre strömmar i avstängt tillstånd
• Låg subtröskeleffekt (SS)
• Potential för betydande energieffektivitet

Neuromorfisk databehandling har funnits ett tag och får nu mer uppmärksamhet. Förbättringar inom kretsar har gjort det möjligt att skapa mindre och mer kompakta transistorer. Detta innebär att vi kan utföra mer bearbetning och lägga till fler funktioner samtidigt som vi använder mindre energi.

Läs också:

Idag · 01:33

Kan ljudmagi fängsla blinda sinnen? Ny studie.

Forskare utvecklar nya tvådimensionella tunneltransistorer som fungerar bra vid låga spänningar. Dessa små transistorer använder mindre energi och växlar snabbt. De efterliknar hjärnans effektiva sätt att arbeta. Neuromorf datorkommunikation använder kretsar som aktiveras endast vid behov, till skillnad från traditionella datorer som använder konstant ström.

Traditionella datorer använder en von Neumann-arkitektur där data bearbetas steg för steg och minne och bearbetningsenheter är åtskilda. Däremot bearbetar neuromorfa (NM) datorer data endast när det finns indata, och deras minne och bearbetning sprids över många transistorer. Företag som Intel och IBM har skapat hjärnliknande plattformar med miljarder anslutna transistorer som sparar mycket energi, men det finns fortfarande utrymme för förbättringar.

Den största energiförlusten i nuvarande NM-chip beror på läckströmmar, vilket är små mängder elektricitet som flödar även när kretsen är avstängd. Nuvarande NM-chip använder MOSFET-transistorer, som har hög läckage när de är avstängda. Den nya metoden använder TFET, som har mycket lägre läckage när de är avstängda. Detta gör energianvändningen mycket mer effektiv.

När TFET används i en neuromorfisk krets, förbrukar de mindre energi än de senaste MOSFET. Särskilt överträffade de FinFET, en typ av MOSFET med vertikala strukturer för förbättrad omkoppling. Även om TFET fortfarande befinner sig i forskningsstadiet, verkar deras prestanda lovande för framtida hjärninspirerade datorsystem.

Forskare tror att den nya plattformen använder mindre energi, liknande den mänskliga hjärnan. Den inkluderar inte energi för gränssnittskretsar och minneslagring. I framtiden skulle 3D-versioner av dessa kretsar kunna fungera ännu mer effektivt. Dessa tredimensionella kretsar skulle öka prestandan och effektiviteten. Denna plattform är ett stort framsteg jämfört med nuvarande teknologi.