به گزارش ایسنا و به نقل از نانوورک، پژوهشگران "مؤسسه سلطنتی فناوری کی‌تی‌اچ"(KTH) و "دانشگاه استنفورد"(Stanford University)، ماده‌ای را برای تولید اجزای رایانه ساخته‌اند که ارائه رایانه‌های مشابه مغز انسان را امکان‌پذیر می‌کند.

مولفه‌های موسوم به "ECRAM" ساخته‌ شده با کاربید تیتانیوم دو بعدی، پتانسیل فوق‌العاده‌ای را برای تکمیل فناوری ترانزیستور کلاسیک و کمک به تجاری‌سازی رایانه‌های قدرتمندی که بر اساس شبکه عصبی مغز مدل‌سازی شده‌اند، نشان می‌دهند. چنین رایانه‌هایی می‌توانند هزاران بار بیشتر از رایانه‌های کنونی کارآمد باشند.

"مکس حامدی"(Max Hamedi)، دانشمند ایرانی مؤسسه سلطنتی فناوری کی‌تی‌اچ گفت: به دلیل وجود برخی تفاوت‌های اساسی روش کلاسیک محاسبات که اکنون مورد استفاده قرار دارد با ECRAM، مؤلفه‌ای که به عنوان نوعی سلول سیناپسی در یک شبکه عصبی مصنوعی عمل می‌کند، این پیشرفت‌ها در محاسبات امکان‌پذیر هستند.

وی افزود: این رایانه‌های جدید به جای ترانزیستورهایی که روشن یا خاموش هستند و به انتقال اطلاعات بین پردازنده و حافظه نیاز دارند، به اجزایی متکی هستند که می‌توانند چندین حالت داشته باشند و محاسبات درون حافظه را انجام دهند.

دانشمندان مؤسسه سلطنتی فناوری کی‌تی‌اچ و دانشگاه استنفورد، روی آزمایش مواد بهتری برای ساختن ECRAM تمرکز کرده‌اند؛ مولفه‌ای که در آن، یون‌ها به کانال اکسیداسیون وارد می‌شوند و کاری مشابه کار مغز ما با یون‌ها صورت می‌گیرد. آنچه برای تجاری کردن این تراشه‌ها مورد نیاز است، موادی هستند که بر "سینتیک"(Kinetics) کند اکسیدهای فلزی و پایداری دمای ضعیف پلاستیک‌ها غلبه کنند.

ماده کلیدی در واحدهای ECRAM که این گروه پژوهشی ابداع کرده‌اند، "MXene" نامیده می‌شود. این ماده، یک ترکیب دو بعدی است که به اندازه چند اتم ضخامت دارد و از کاربید تیتانیوم تشکیل شده است.

حامدی گفت: MXene، سرعت بالای شیمی آلی را با سازگاری مواد معدنی در یک دستگاه واحد ترکیب می‌کند که در پیوند الکتروشیمی و تجهیزات الکترونیکی کاربرد دارد.

"آلبرتو سالیو"(Alberto Salleo)، پژوهشگر دانشگاه استنفورد و از اعضای این گروه پژوهشی گفت: MXene ، سرعت، خطی بودن، نویز نوشتن، انرژی و استقامت معیارهای ضروری برای شتاب موازی شبکه‌های عصبی مصنوعی را با هم ترکیب می‌کند.

اگرچه پیش از خرید رایانه‌های نورومورفیک، باید بر موانع بسیاری غلبه کرد اما حامدی گفت که ECRAM دو بعدی حداقل در مورد مواد نورومورفیک، پیشرفتی را نشان می‌دهد که شاید به هوش مصنوعی کمک کند تا با ورودی‌ها و جزئیات گیج‌کننده سازگار شود. مغز، انرژی بسیار کمتری را مصرف می‌کند. همچنین، این روش می‌تواند دستگاه‌های قابل حملی را فعال کند که قادر به انجام دادن وظایف محاسباتی بسیار سنگین‌تری هستند.

این پژوهش، در "Advanced Functional Materials" به چاپ رسید.

انتهای پیام