Material muaré crea un transistor sináptico para computación neuromórfica – Physics World

Material muaré crea un transistor sináptico para computación neuromórfica – Physics World

Marca de tiempo: 16 de enero de 2024 9:06 a. M.
Nodo de origen: 3066205

Imagen artística de un cerebro altamente conectado que surge de un material plano con un patrón muaré.
El nuevo dispositivo consta de una estructura asimétrica formada por dos capas de grafeno y una capa de nitruro de boro hexagonal. (Cortesía: Xiaodong Yan, Universidad Northwestern)

Investigadores de la Universidad Northwestern, el Boston College y el Instituto Tecnológico de Massachusetts (MIT), todos ellos en Estados Unidos, han desarrollado un nuevo tipo de transistor para su uso en computación neuromórfica. El dispositivo, que funciona a temperatura ambiente, puede entrenarse para que reconozca patrones similares de entradas, una propiedad conocida como aprendizaje asociativo que va más allá de las tareas estándar de aprendizaje automático.

Las computadoras neuromórficas, como su nombre indica, están inspiradas en la arquitectura del cerebro humano. Los componentes básicos de sus circuitos son neuronas artificiales altamente conectadas y sinapsis artificiales que simulan la estructura y funciones del cerebro. Estas máquinas han combinado unidades de procesamiento y memoria que les permiten procesar información al mismo tiempo que la almacenan, como un cerebro humano multitarea. Esta capacidad los diferencia de las computadoras digitales con unidades de procesamiento y almacenamiento separadas, que consumen enormes cantidades de energía al realizar tareas con uso intensivo de datos. Estas tareas se están volviendo cada vez más comunes con la llegada de dispositivos inteligentes y conectados y vastos conjuntos de datos.

Aunque los dispositivos sinápticos han progresado significativamente en los últimos años, se ven limitados por la falta de buenos mecanismos de conmutación, explica marca hersam of Noroeste, quien codirigió el esfuerzo de investigación. "La naturaleza estocástica de la conmutación filamentosa en memristores (abreviatura de resistencias de memoria), que son la tecnología sináptica más común en la actualidad, conduce a una variabilidad significativa de dispositivo a dispositivo y de ciclo a ciclo", dice.

Otros tipos de dispositivos sinápticos dependen de la conmutación magnética y de cambio de fase, pero sufren de bajas relaciones de conmutación y altas energías de conmutación, respectivamente, añade Hersam.

Materiales cuánticos muaré

Para superar estos problemas, Hersam y sus colegas han estado estudiando materiales cuánticos muaré bidimensionales. Están formados por capas de diferentes materiales atómicamente delgados apilados uno encima del otro y retorcidos formando pequeños ángulos. Estas estructuras tienen propiedades electrónicas que no existen en capas individuales de material. Al torcer las capas en diferentes ángulos entre sí, los investigadores pueden ajustar estas propiedades electrónicas con mucha precisión, una propiedad que es muy atractiva para nuevos dispositivos electrónicos, incluidos los componentes para la computación neuromórfica.

En su trabajo, que se detalla en Naturaleza, los investigadores crearon una estructura asimétrica formada por dos capas de grafeno (un cristal plano de carbono de sólo un átomo de espesor) y una capa de nitruro de boro hexagonal (hBN). Dado que estos dos materiales tienen constantes reticulares muy similares, los efectos muaré causados ​​por el ligero desajuste en las ubicaciones de sus átomos son muy pronunciados. El resultado es un fuerte acoplamiento de Coulomb entre los estados electrónicos bipartitos en la heteroestructura que se manifiesta como un mecanismo de trinquete controlado electrónicamente. Este trinquete permite controlar con precisión y sintonizar continuamente la conductancia de un transistor fabricado a partir de la heteroestructura.

"La sintonizabilidad continua de la conductancia del dispositivo produce estados de memoria densos y programables, además de novedosas funciones sinápticas cuánticas, como la homeostasis biorrealista y la adaptación de entradas específicas", explica Hersam. "Es más, nuestros dispositivos consumen muy poca energía y muestran variaciones mínimas de un dispositivo a otro gracias a la homogeneidad de los estados electrónicos muaré".

Funcionamiento a temperatura ambiente

Y eso no es todo: los dispositivos cambian rápidamente, mantienen su estado electrónico incluso cuando se desconecta la alimentación y, lo que es más importante, son estables a temperatura ambiente. Esto contrasta con los dispositivos muaré anteriores que sólo funcionaban a temperaturas criogénicas.

Para probar su transistor, Hersam y su equipo lo entrenaron para reconocer patrones que se parecen entre sí. Comenzaron ingresando una secuencia de tres ceros seguidos (000) y luego la probaron para identificar patrones similares, como 111 o 101.

"Si lo entrenamos para detectar 000 y luego le damos 111 y 101, sabe que 111 es más similar a 000 que a 101", explica Hersam. "000 y 111 no son exactamente iguales, pero ambos tienen tres dígitos seguidos".

Reconocer similitudes es una forma de cognición de nivel superior conocida como aprendizaje asociativo y el nuevo dispositivo es capaz de hacerlo, dice.

Los investigadores ahora están explorando el potencial de otros materiales de Van der Waals más allá del grafeno y el hBN, con la esperanza de integrarlos en heteroestructuras muaré con una funcionalidad neuromórfica aún más sofisticada. "Un objetivo a más largo plazo sería ampliar los ejemplos más prometedores entre estas heteroestructuras para realizar circuitos y sistemas neuromórficos totalmente integrados", dice Hersam. Mundo de la física.

Sello de tiempo:

Mas de Mundo de la física