Beyin benzeri bilgi işlem için daha iyi memristörler

TSUKUBA, Japonya, 15 Mayıs 2021 - (ACN Newswire) - Bilim adamları, insan beyninin rastgele bilgi işlemesini, depolamasını ve hatırlamasını taklit eden bilgisayarlar için nöron benzeri bağlantılar kurma konusunda daha iyi hale geliyor. Çin Bilimler Akademisi'nden Fei Zhuge ve meslektaşları, Science and Technology of Advanced Materials dergisi için bu 'memristor'ların tasarımındaki en son gelişmeleri gözden geçirdiler.

Bilgisayarlar, önceden öğrenilen bilgileri geri çağırmak ve tahminlerde bulunmak için yapay zeka programları uygular. Bu programlar son derece enerji ve zaman açısından yoğundur: tipik olarak, büyük miktarlarda veri ayrı bellek ve işleme birimleri arasında aktarılmalıdır. Bu sorunu çözmek için araştırmacılar, insan beynine çok benzer şekilde, daha rastgele ve eşzamanlı bilgi aktarımı ve depolanmasına izin veren bilgisayar donanımı geliştiriyorlar.

Bu 'nöromorfik' bilgisayarlardaki elektronik devreler, sinaps adı verilen nöronlar arasındaki bağlantılara benzeyen memristörler içerir. Enerji, bir elektrottan diğerine bir materyalden akar, tıpkı bir nöronun sinaps boyunca bir sonraki nörona bir sinyal ateşlemesi gibi. Bilim adamları şimdi bu ara malzemeyi daha iyi ayarlamanın yollarını buluyor, böylece bilgi akışı daha istikrarlı ve güvenilir hale geliyor.

Zhuge, "Oksitler, memristörlerde en yaygın kullanılan malzemelerdir" diyor. "Ancak oksit memristörleri tatmin edici olmayan kararlılığa ve güvenilirliğe sahip. Oksit bazlı hibrit yapılar bunu etkili bir şekilde iyileştirebilir. "

Memristörler genellikle iki elektrot arasına sıkıştırılmış oksit bazlı bir malzemeden yapılır. Araştırmacılar, elektrotlar arasında iki veya daha fazla farklı oksit bazlı malzeme katmanını birleştirdiklerinde daha iyi sonuçlar alıyorlar. Ağdan bir elektrik akımı geçtiğinde, iyonların katmanlar arasında sürüklenmesine neden olur. İyonların hareketleri nihayetinde memistörün direncini değiştirir, bu da bağlantı noktasından bir sinyal göndermek veya durdurmak için gereklidir.

Memristörler, elektrotlar için kullanılan bileşikleri değiştirerek veya ara oksit bazlı malzemeleri ayarlayarak daha da ayarlanabilir. Zhuge ve ekibi şu anda optik kontrollü oksit memristörlerine dayanan optoelektronik nöromorfik bilgisayarlar geliştiriyor. Elektronik memristörlerle karşılaştırıldığında, fotoniklerin daha yüksek çalışma hızlarına ve daha düşük enerji tüketimine sahip olması bekleniyor. Yüksek bilgi işlem verimliliği ile yeni nesil yapay görsel sistemler oluşturmak için kullanılabilirler.

Daha fazla bilgi
Fei Zhuge
Çin Bilimler Akademisi
E-posta:

Advanced Materials Journal (STAM) Bilim ve Teknolojisi Hakkında
Açık erişim dergisi STAM, işlevsel ve yapısal malzemeler, teorik analizler ve malzemelerin özellikleri dahil olmak üzere malzeme biliminin tüm yönleriyle ilgili olağanüstü araştırma makaleleri yayınlar.

Yoshikazu Shinohara
STAM Yayıncılık Direktörü
E-posta:

ResearchSEA for Science and Technology of Advanced Materials tarafından dağıtılan basın bülteni.

Konu: Araştırma ve geliştirme

Kaynak: İleri Malzemelerin Bilimi ve Teknolojisi
Sektörler: Nanoteknoloji

https://www.acnnewswire.com

Asya Kurumsal Haber Ağından

Telif Hakkı © 2021 ACN Newswire. Her hakkı saklıdır. Asia Corporate News Network'ün bir bölümü.

Kaynak: http://www.acnnewswire.com/press-release/english/66672/