Разработаны ультратонкие резисторы памяти для нейроморфных вычислений

Совместный проект Канзасского университета и Хьюстонского университета, поддержанный грантом в размере 1,8 миллиона долларов в рамках второй программы «Будущее полупроводников» (FuSe2) Национального научного фонда, позволит производить настраиваемые на атомном уровне резисторы памяти, получившие название «мемристоры», необходимые для передовых вычислений.
Программа была создана в 2023 году для решения фундаментальных проблем в области исследований и разработок полупроводников в будущем. Среди отраслевых партнёров — Micron, Intel и Samsung.

Фундаментальной задачей, которую стремится решить совместная команда Канзасского и Хьюстонского университетов, возглавляемая Джуди Ву, почётным профессором физики и астрономии Канзасского университета, и её коллегами Хартвином Пиларсом, доцентом кафедры физики и астрономии Канзасского университета, и Франсиско Роблесом из Хьюстона, являются «нейроморфные вычисления».

«Инновация, которая привела к этому финансированию, — это ультратонкие мемристоры на основе сверхшироких полупроводников с запрещённой зоной, таких как оксид галлия, с электронной структурой, настроенной на атомном уровне на основе теоретического моделирования, — сказал Ву. — Эта инновация — результат совместной работы трёх исследователей — Пилеарса, Роблеса и меня — мы разработали подход к совместному проектированию, который позволил нам создать мемристор на основе моделирования».

Действительно, Ву и её коллеги первыми продемонстрировали мемристор толщиной менее 2 нанометров.

«Это одно из наших главных изобретений, — сказал Ву. — У нас есть технология, которой нет ни у кого в мире, — инновация, которая позволяет нам соединять всего несколько атомных слоёв».

«Мы можем объединять выбранные атомные слои, — сказал Ву. — Основная цель нашей работы — разработать «настраиваемые» на атомном уровне мемристоры, которые могут действовать как нейроны и синапсы в нейроморфной схеме. Разрабатывая эту схему, мы стремимся создать нейроморфные вычисления. Это основное направление наших исследований. Мы хотим имитировать то, как наш мозг думает, вычисляет, принимает решения и распознаёт закономерности — по сути, всё, что делает мозг, но с высокой скоростью и энергоэффективностью».