Bahan Moiré membuat transistor sinaptik untuk komputasi neuromorfik – Dunia Fisika

Para peneliti di Northwestern University, Boston College dan Massachusetts Institute of Technology (MIT), semuanya di AS, telah mengembangkan transistor jenis baru untuk digunakan dalam komputasi neuromorfik. Perangkat, yang bekerja pada suhu ruangan, dapat dilatih untuk mengenali pola masukan yang serupa – sebuah properti yang dikenal sebagai pembelajaran asosiatif yang melampaui tugas pembelajaran mesin standar.

Komputer neuromorfik, seperti namanya, terinspirasi oleh arsitektur otak manusia. Bahan penyusun sirkuitnya adalah neuron buatan dan sinapsis buatan yang sangat terhubung yang mensimulasikan struktur dan fungsi otak. Mesin-mesin ini menggabungkan unit pemrosesan dan memori yang memungkinkan mereka memproses informasi pada saat yang sama saat mereka menyimpannya – seperti otak manusia yang melakukan banyak tugas. Kemampuan ini membedakannya dari komputer digital dengan unit pemrosesan dan penyimpanan terpisah, yang mengonsumsi energi dalam jumlah besar saat melakukan tugas intensif data. Tugas-tugas seperti ini menjadi semakin lumrah seiring dengan hadirnya perangkat-perangkat pintar yang terhubung dan kumpulan data yang luas.

Meskipun perangkat sinaptik telah mengalami kemajuan yang signifikan dalam beberapa tahun terakhir, perangkat tersebut dibatasi oleh kurangnya mekanisme peralihan yang baik, jelasnya Mark Hersam of barat laut, yang ikut memimpin upaya penelitian. “Sifat stokastik dari peralihan filamen dalam memristor (kependekan dari resistor memori), yang merupakan teknologi sinaptik paling umum saat ini, menghasilkan variabilitas perangkat-ke-perangkat dan siklus-ke-siklus yang signifikan,” katanya.

Jenis perangkat sinaptik lainnya mengandalkan peralihan magnetik dan perubahan fasa, namun masing-masing memiliki rasio peralihan yang rendah dan energi peralihan yang tinggi, Hersam menambahkan.

Bahan kuantum Moiré

Untuk mengatasi masalah tersebut, Hersam dan rekannya telah mempelajari material kuantum moiré dua dimensi. Ini terdiri dari lapisan-lapisan bahan yang sangat tipis secara atom yang ditumpuk di atas satu sama lain dan dipelintir dengan sudut kecil. Struktur seperti itu memiliki sifat elektronik yang tidak ada pada lapisan material individual. Dengan memutar lapisan-lapisan tersebut pada sudut yang berbeda satu sama lain, para peneliti dapat menyesuaikan sifat-sifat elektronik ini dengan sangat tepat – suatu sifat yang sangat menarik untuk perangkat elektronik baru, termasuk komponen untuk komputasi neuromorfik.

Dalam pekerjaan mereka, yang dirinci dalam Alam, para peneliti menciptakan struktur asimetris yang terdiri dari dua lapisan graphene (kristal karbon datar yang tebalnya hanya satu atom) dan lapisan boron nitrida heksagonal (hBN). Karena kedua bahan ini memiliki konstanta kisi yang sangat mirip, efek moiré yang disebabkan oleh sedikit ketidakcocokan lokasi atomnya sangat terasa. Hasilnya adalah kopling Coulomb yang kuat antara keadaan elektronik bipartit dalam heterostruktur yang memanifestasikan dirinya sebagai mekanisme ratcheting yang dikontrol secara elektronik. Ratchet ini memungkinkan konduktansi transistor yang terbuat dari heterostruktur dikontrol secara tepat dan disetel secara terus menerus.

“Penyesuaian konduktansi perangkat yang berkelanjutan menghasilkan keadaan memori yang padat dan dapat diprogram selain fungsi sinaptik kuantum baru, seperti homeostasis bio-realistis dan adaptasi input spesifik,” jelas Hersam. “Terlebih lagi, perangkat kami mengonsumsi daya yang sangat kecil dan menunjukkan variasi antar perangkat yang minimal berkat homogenitas kondisi elektronik moiré.”

Pengoperasian suhu kamar

Dan bukan itu saja: perangkat beralih dengan cepat, mempertahankan status elektroniknya bahkan ketika daya dimatikan dan, yang terpenting, stabil pada suhu ruangan. Hal ini berbeda dengan perangkat moiré sebelumnya yang hanya berfungsi pada suhu kriogenik.

Untuk menguji transistor mereka, Hersam dan tim melatihnya untuk mengenali pola yang mirip satu sama lain. Mereka memulai dengan memasukkan urutan tiga angka nol berturut-turut (000) dan kemudian mengujinya untuk mengidentifikasi pola serupa, seperti 111 atau 101.

“Jika kami melatihnya untuk mendeteksi 000 lalu memberinya 111 dan 101, ia akan mengetahui bahwa 111 lebih mirip dengan 000 daripada 101,” jelas Hersam. “000 dan 111 tidak persis sama, tapi keduanya merupakan tiga angka yang berurutan.”

Mengenali kesamaan adalah bentuk kognisi tingkat tinggi yang dikenal sebagai pembelajaran asosiatif dan perangkat baru mampu melakukan hal ini, katanya.

Para peneliti sekarang mengeksplorasi potensi bahan van der Waals lain selain graphene dan hBN, dengan harapan dapat mengintegrasikannya ke dalam heterostruktur moiré dengan fungsi neuromorfik yang lebih canggih. “Tujuan jangka panjangnya adalah untuk meningkatkan contoh yang paling menjanjikan di antara heterostruktur ini untuk mewujudkan sirkuit dan sistem neuromorfik yang terintegrasi penuh,” kata Hersam. Dunia Fisika.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://physicsworld.com/a/moire-material-makes-a-synaptic-transistor-for-neuromorphic-computing/