OLED-televisioiden ydinmateriaaleista luotu neuromorfinen synapsi

OLED-televisioiden ydinmateriaaleista luotu neuromorfinen synapsi

Lähdesolmu: 2541090
24. maaliskuuta 2023 (Nanowerk-uutiset) ChatGPT:n vaikutus ulottuu koulutussektorin ulkopuolelle ja aiheuttaa merkittäviä muutoksia muilla alueilla. The tekoäly (AI) kielimalli tunnetaan sen kyvystä suorittaa erilaisia ​​tehtäviä, kuten paperille kirjoittamista, kääntämistä, koodausta ja paljon muuta, kaikki kysymys ja vastaus -pohjaisen vuorovaikutuksen kautta. Tekoälyjärjestelmä perustuu syvään oppimiseen, mikä vaatii laajaa koulutusta virheiden minimoimiseksi, mikä johtaa usein tapahtuvaan tiedonsiirtoon muistin ja prosessorien välillä. Perinteisten digitaalisten tietokonejärjestelmien von Neumann -arkkitehtuuri erottaa kuitenkin tiedon tallennuksen ja laskemisen, mikä johtaa lisääntyneeseen virrankulutukseen ja merkittäviin viivästyksiin tekoälylaskelmissa. Tutkijat ovat kehittäneet tekoälysovelluksiin sopivia puolijohdeteknologioita vastaamaan tähän haasteeseen. POSTECHin tutkimusryhmä, jota johtivat professori Yoonyoung Chung (sähkötekniikan laitos, puolijohdetekniikan laitos), professori Seyoung Kim (materiaalitieteen ja tekniikan laitos, puolijohdetekniikan laitos) ja Ph.D. ehdokas Seongmin Park (Sähkötekniikan laitos) on kehittänyt korkean suorituskyvyn tekoälypuolijohdelaitteen, joka käyttää indiumgalliumsinkkioksidia (IGZO), oksidipuolijohdetta, jota käytetään laajalti OLED-näytöissä. Uusi laite on osoittautunut erinomaiseksi suorituskyvyn ja tehokkuuden suhteen. Tutkimus julkaistiin v Kehittyneet elektroniset materiaalit ("Erittäin lineaarinen ja symmetrinen analoginen neuromorfinen synapsi, joka perustuu metallioksidipuolijohdetransistoreihin, joissa on itse koottu yksikerroksinen tarkkuus neuroverkon laskentaa varten"). Ehdotetun neuromorfisen synaptisen laitteen rakenne Ehdotetun tekoälyn synaptisen laitteen rakenne. Kaksi oksidipuolijohdetransistoria on kytketty; toinen kirjoittamiseen ja toinen lukemiseen. (Kuva: POSTECH) Tehokkaat tekoälytoiminnot, kuten ChatGPT:n, vaativat laskelmia tietojen tallentamisesta vastaavassa muistissa. Valitettavasti aikaisemmat tekoälypuolijohdetekniikat täyttivät vain vähän kaikkia vaatimuksia, kuten lineaarista ja symmetristä ohjelmointia ja yhdenmukaisuutta tekoälyn tarkkuuden parantamiseksi. Tutkimusryhmä etsi IGZO:ta avainmateriaaliksi tekoälylaskelmille, jotka voitaisiin tuottaa massatuotantona ja jotka tarjoavat yhtenäisyyttä, kestävyyttä ja laskentatarkkuutta. Tämä yhdiste sisältää neljä atomia kiinteässä suhteessa indiumia, galliumia, sinkkiä ja happea, ja sillä on erinomaiset elektronien liikkuvuus ja vuotovirtaominaisuudet, mikä on tehnyt siitä OLED-näytön taustalevyn. Tätä materiaalia käyttämällä tutkijat kehittivät uuden synapsilaitteen, joka koostuu kahdesta transistorit yhdistetty tallennussolmun kautta. Tämän solmun lataus- ja purkunopeuden tarkka ohjaus on mahdollistanut AI-puolijohteen täyttävän korkean tason suorituskyvyn edellyttämät erilaiset suorituskykymittaukset. Lisäksi hakeminen neuromorfinen synaptisten laitteiden liittäminen suuren mittakaavan tekoälyjärjestelmään edellyttää synaptisten laitteiden lähtövirran minimoimista. Tutkijat vahvistivat mahdollisuuden käyttää transistorien sisällä olevia erittäin ohuita kalvoeristimiä virran ohjaamiseen, mikä tekee niistä sopivia laajamittaiseen tekoälyyn. Tutkijat käyttivät äskettäin kehitettyä synaptista laitetta käsinkirjoitettujen tietojen kouluttamiseen ja luokitteluun saavuttaen korkean, yli 98 %:n tarkkuuden, mikä varmistaa sen mahdollisen käytön korkean tarkkuuden tekoälyjärjestelmissä tulevaisuudessa. Professori Chung selitti: "Tutkijaryhmäni saavutuksen merkitys on, että voitimme perinteisten tekoälypuolijohdetekniikoiden rajoitukset, jotka keskittyivät yksinomaan materiaalien kehittämiseen. Tätä varten hyödynsimme jo massatuotannossa olevia materiaaleja. Lisäksi lineaariset ja symmetriset ohjelmointiominaisuudet saatiin uudella rakenteella käyttämällä kahta transistoria yhtenä synaptisena laitteena. Siten tämän uuden tekoälypuolijohdeteknologian onnistunut kehittäminen ja soveltaminen osoittavat suuren potentiaalin parantaa tekoälyn tehokkuutta ja tarkkuutta.

Aikaleima:

Lisää aiheesta Nanowerk