Schnellstes neuromorphes, elektrisches Doppelschicht-T

Mithilfe von Technologie können schnellere und vielseitigere Edge-KI-Geräte entwickelt werden

Nationales Institut für Materialwissenschaft, Japan

Bild: Abbildung. (Links) Schematische Darstellung des in diesem Forschungsprojekt entwickelten elektrischen Doppelschichttransistors. (Rechts) Mit diesem Transistor wurde im Vergleich zu bestehenden elektrischen Doppelschichttransistoren eine deutlich höhere neuromorphe Betriebsgeschwindigkeit erreicht.mehr sehen

Bildnachweis: National Institute for Materials ScienceTakashi Tsuchiya

1. Ein Forschungsteam bestehend aus NIMS und der Tokyo University of Science hat den schnellsten elektrischen Doppelschichttransistor unter Verwendung einer hoch ionenleitenden Keramikdünnschicht und einer Diamantdünnschicht entwickelt. Dieser Transistor kann zur Entwicklung energieeffizienter Hochgeschwindigkeits-Edge-KI-Geräte mit einem breiten Anwendungsspektrum verwendet werden, einschließlich der Vorhersage zukünftiger Ereignisse und der Mustererkennung/-bestimmung in Bildern (einschließlich Gesichtserkennung), Stimmen und Gerüchen.

2. Ein elektrischer Doppelschichttransistor fungiert als Schalter und nutzt elektrische Widerstandsänderungen, die durch das Laden und Entladen einer elektrischen Doppelschicht verursacht werden, die an der Grenzfläche zwischen Elektrolyt und Halbleiter gebildet wird. Da dieser Transistor die elektrische Reaktion menschlicher Gehirnneuronen nachahmen kann (d. h. als neuromorpher Transistor fungiert), ist sein Einsatz in KI-Geräten möglicherweise vielversprechend. Allerdings sind bestehende elektrische Doppelschichttransistoren beim Umschalten zwischen Ein- und Aus-Zuständen langsam. Die typische Übergangszeit liegt zwischen mehreren Hundert Mikrosekunden und 10 Millisekunden. Daher ist die Entwicklung schnellerer elektrischer Doppelschichttransistoren wünschenswert.

3. Dieses Forschungsteam entwickelte einen elektrischen Doppelschichttransistor, indem es mit einem gepulsten Laser Keramik (mit Yttriumoxid stabilisierte poröse Zirkonoxid-Dünnschicht) und Diamant-Dünnschichten mit hoher Präzision ablagerte und so eine elektrische Doppelschicht an der Keramik/Diamant-Grenzfläche bildete. Der dünne Zirkonoxidfilm ist in der Lage, große Mengen Wasser in seinen Nanoporen zu adsorbieren und Wasserstoffionen aus dem Wasser leicht durch ihn hindurch zu wandern, wodurch die elektrische Doppelschicht schnell geladen und entladen werden kann. Dieser elektrische Doppelschichteffekt ermöglicht einen sehr schnellen Betrieb des Transistors. Das Team maß tatsächlich die Geschwindigkeit, mit der der Transistor arbeitet, indem es eine gepulste Spannung an ihn anlegte, und stellte fest, dass er 8,5-mal schneller arbeitet als bestehende elektrische Doppelschichttransistoren und stellte damit einen neuen Weltrekord auf. Das Team bestätigte außerdem die Fähigkeit dieses Transistors, Eingangswellenformen präzise in viele verschiedene Ausgangswellenformen umzuwandeln – eine Voraussetzung dafür, dass Transistoren mit neuromorphen KI-Geräten kompatibel sind.

4. Dieses Forschungsprojekt brachte eine neue keramische Dünnschichttechnologie hervor, die in der Lage ist, eine elektrische Doppelschicht mit einer Dicke von mehreren Nanometern schnell zu laden und zu entladen. Dies ist ein großer Erfolg bei den Bemühungen, praktische, schnelle und energieeffiziente KI-gestützte Geräte zu entwickeln. Diese Geräte sollen in Kombination mit verschiedenen Sensoren (z. B. Smartwatches, Überwachungskameras und Audiosensoren) nützliche Werkzeuge in verschiedenen Branchen bieten, darunter Medizin, Katastrophenvorsorge, Fertigung und Sicherheit.

5. Diese Forschung wurde in der Ausgabe von Materials Today Advances vom 16. Juni 2023 veröffentlicht (DOI: 10.1016/j.mtadv.2023.100393).

Materialien heute Fortschritte

10.1016/j.mtadv.2023.100393

Experimentelle Studie

Unzutreffend

Ultraschnelles Schalten eines elektrischen Doppelschichttransistors auf Festkörperbasis mit einem porösen Yttriumoxid-stabilisierten Zirkonoxid-Protonenleiter und die Anwendung auf neuromorphes Rechnen

16.06.2023

Haftungsausschluss: AAAS und EurekAlert! sind nicht verantwortlich für die Richtigkeit der auf EurekAlert veröffentlichten Pressemitteilungen! durch beitragende Institutionen oder für die Nutzung jeglicher Informationen über das EurekAlert-System.