En nevromorf synapse laget av kjernematerialer for OLED-TVer

24. mars 2023 (Nanowerk Nyheter) ChatGPTs innvirkning strekker seg utover utdanningssektoren og forårsaker betydelige endringer på andre områder. De kunstig intelligens (AI) språkmodell er anerkjent for sin evne til å utføre ulike oppgaver, inkludert papirskriving, oversettelse, koding og mer, alt gjennom spørsmål-og-svar-baserte interaksjoner. AI-systemet er avhengig av dyp læring, som krever omfattende opplæring for å minimere feil, noe som resulterer i hyppige dataoverføringer mellom minne og prosessorer. Imidlertid skiller tradisjonelle digitale datasystemers von Neumann-arkitektur lagring og beregning av informasjon, noe som resulterer i økt strømforbruk og betydelige forsinkelser i AI-beregninger. Forskere har utviklet halvlederteknologier egnet for AI-applikasjoner for å møte denne utfordringen. Et forskerteam ved POSTECH, ledet av professor Yoonyoung Chung (avdeling for elektroteknikk, avdeling for halvlederteknikk), professor Seyoung Kim (avdeling for materialvitenskap og ingeniørvitenskap, avdeling for halvlederteknikk), og Ph.D. kandidat Seongmin Park (Department of Electrical Engineering), har utviklet en høyytelses AI-halvlederenhet som bruker indium gallium sinkoksid (IGZO), en oksidhalvleder som er mye brukt i OLED-skjermer. Den nye enheten har vist seg å være utmerket når det gjelder ytelse og strømeffektivitet. Forskningen ble publisert i Avanserte elektroniske materialer ("Svært lineær og symmetrisk analog nevromorf synapse basert på metalloksidhalvledertransistorer med selvmontert monolag for høypresisjon nevrale nettverksberegninger"). Strukturen til den foreslåtte AI-synaptiske enheten. To oksidhalvledertransistorer er koblet til; en for skriving og den andre for lesing. (Bilde: POSTECH) Effektive AI-operasjoner, som for eksempel ChatGPT, krever at beregninger skjer i minnet som er ansvarlig for lagring av informasjon. Dessverre var tidligere AI-halvlederteknologier begrenset til å oppfylle alle kravene, for eksempel lineær og symmetrisk programmering og ensartethet, for å forbedre AI-nøyaktigheten. Forskerteamet søkte IGZO som et nøkkelmateriale for AI-beregninger som kunne masseproduseres og gi ensartethet, holdbarhet og datanøyaktighet. Denne forbindelsen består av fire atomer i et fast forhold mellom indium, gallium, sink og oksygen og har utmerket elektronmobilitet og lekkasjestrømegenskaper, som har gjort den til et bakplan på OLED-skjermen. Ved å bruke dette materialet utviklet forskerne en ny synapseenhet bestående av to transistorer sammenkoblet gjennom en lagringsnode. Den nøyaktige kontrollen av denne nodens lade- og utladningshastighet har gjort det mulig for AI-halvlederen å møte de forskjellige ytelsesmålingene som kreves for ytelse på høyt nivå. Videre søker nevromorfe synaptiske enheter til et storskala AI-system krever at utgangsstrømmen til synaptiske enheter minimeres. Forskerne bekreftet muligheten for å bruke de ultratynne filmisolatorene inne i transistorene for å kontrollere strømmen, noe som gjør dem egnet for storskala AI. Forskerne brukte den nyutviklede synaptiske enheten til å trene og klassifisere håndskrevne data, og oppnådde en høy nøyaktighet på over 98 %, noe som bekrefter den potensielle bruken i AI-systemer med høy nøyaktighet i fremtiden. Professor Chung forklarte, "Betydningen av forskerteamets prestasjon er at vi overvant begrensningene til konvensjonelle AI-halvlederteknologier som utelukkende fokuserte på materialutvikling. For å gjøre dette brukte vi materialer som allerede var i masseproduksjon. Videre ble lineære og symmetriske programmeringsegenskaper oppnådd gjennom en ny struktur ved bruk av to transistorer som en synaptisk enhet. Derfor viser vår vellykkede utvikling og anvendelse av denne nye AI-halvlederteknologien et stort potensial for å forbedre effektiviteten og nøyaktigheten til AI.»

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. Tilgang her.
• kilde: https://www.nanowerk.com/nanotechnology-news2/newsid=62667.php