En neuromorf synaps skapad av kärnmaterial för OLED-TV

Återutgiven av Platon

anhängare: 0

24 mars 2023 (Nanowerk Nyheter) ChatGPT:s inverkan sträcker sig utanför utbildningssektorn och orsakar betydande förändringar på andra områden. De artificiell intelligens (AI) språkmodell är erkänd för sin förmåga att utföra olika uppgifter, inklusive pappersskrivning, översättning, kodning och mer, allt genom fråge-och-svar-baserade interaktioner. AI-systemet är beroende av djupinlärning, vilket kräver omfattande träning för att minimera fel, vilket resulterar i frekventa dataöverföringar mellan minne och processorer. Men traditionella digitala datorsystems von Neumann-arkitektur separerar lagring och beräkning av information, vilket resulterar i ökad strömförbrukning och betydande förseningar i AI-beräkningar. Forskare har utvecklat halvledarteknologier som är lämpliga för AI-tillämpningar för att möta denna utmaning. En forskargrupp vid POSTECH, ledd av professor Yoonyoung Chung (Institutionen för elektroteknik, Institutionen för halvledarteknik), professor Seyoung Kim (Institutionen för materialvetenskap och teknik, Institutionen för halvledarteknik) och Ph.D. kandidat Seongmin Park (Department of Electrical Engineering), har utvecklat en högpresterande AI-halvledarenhet som använder indiumgalliumzinkoxid (IGZO), en oxidhalvledare som ofta används i OLED-skärmar. Den nya enheten har visat sig vara utmärkt när det gäller prestanda och energieffektivitet. Forskningen publicerades i Avancerade elektroniska material ("Mycket linjär och symmetrisk analog neuromorf synaps baserad på metalloxidhalvledartransistorer med självmonterat monolager för högprecisionsberäkning av neurala nätverk"). Struktur av en föreslagen neuromorf synaptisk enhet

Struktur av en föreslagen neuromorf synaptisk enhet

Struktur för den föreslagna AI-synaptiska enheten. Två oxidhalvledartransistorer är anslutna; en för att skriva och den andra för att läsa. (Bild: POSTECH) Effektiva AI-operationer, som de för ChatGPT, kräver att beräkningar sker i minnet som ansvarar för att lagra information. Tyvärr var tidigare AI-halvledarteknologier begränsade i att uppfylla alla krav, såsom linjär och symmetrisk programmering och enhetlighet, för att förbättra AI-noggrannheten. Forskargruppen sökte IGZO som ett nyckelmaterial för AI-beräkningar som kunde massproduceras och ge enhetlighet, hållbarhet och beräkningsnoggrannhet. Denna förening består av fyra atomer i ett fast förhållande av indium, gallium, zink och syre och har utmärkt elektronrörlighet och läckströmsegenskaper, vilket har gjort den till ett bakplan på OLED-skärmen. Med hjälp av detta material utvecklade forskarna en ny synapsanordning bestående av två transistorer sammankopplade via en lagringsnod. Den exakta kontrollen av denna nods laddnings- och urladdningshastighet har gjort det möjligt för AI-halvledaren att möta de olika prestandamåtten som krävs för prestanda på hög nivå. Dessutom ansöker neuromorf synaptiska enheter till ett storskaligt AI-system kräver att utströmmen från synaptiska enheter minimeras. Forskarna bekräftade möjligheten att använda de ultratunna filmisolatorerna inuti transistorerna för att styra strömmen, vilket gör dem lämpliga för storskalig AI. Forskarna använde den nyutvecklade synaptiska enheten för att träna och klassificera handskrivna data, vilket uppnådde en hög noggrannhet på över 98 %, vilket verifierar dess potentiella tillämpning i högnoggranna AI-system i framtiden. Professor Chung förklarade, "Betydningen av mitt forskarlags prestation är att vi övervann begränsningarna hos konventionella AI-halvledarteknologier som enbart fokuserade på materialutveckling. För att göra detta använde vi material som redan var i massproduktion. Dessutom erhölls linjära och symmetriska programmeringsegenskaper genom en ny struktur med två transistorer som en synaptisk enhet. Därför visar vår framgångsrika utveckling och tillämpning av denna nya AI-halvledarteknologi stor potential för att förbättra effektiviteten och noggrannheten hos AI."