Сперва главное:
🔬 «Мемристоры» — современные запоминающие резисторы, которые имитируют нейронную сеть человеческого мозга.
🧠 Мемристоры могут действовать как искусственные синапсы и нейроны, что позволит значительно повысить вычислительную мощность и эффективность.
💻 Для разработки энергоэффективных высокоскоростных нейросетей, функционирующих подобно человеческому мозгу, мемристоры являются ключевыми компонентами. Они могут одновременно хранить и обрабатывать информацию, что делает их подходящими для нейроморфных схем.
💰 Совместные исследования Университета Канзаса и Университета Хьюстона получили грант в размере 1,8 миллиона долларов от программы FuSe2 Национального научного фонда.
📝 Профессор физики и астрономии Университета Канзаса Джуди Ву и её команда разработали метод достижения толщины запоминающих устройств менее 2 нанометров, а слои плёнки приближаются к поразительным 0,1 нанометра — это примерно в 10 раз тоньше среднего нанометрового масштаба.
Теперь подробнее:
Новый рубеж в технологии полупроводников может стать ближе, чем когда-либо, после разработки атомарно настраиваемых «мемристоров», которые представляют собой передовые резисторы памяти, имитирующие нейронную сеть человеческого мозга.
Эта инициатива, финансируемая программой Future of Semiconductors Национального научного фонда (FuSe2), направлена на создание устройств, обеспечивающих нейроморфные вычисления — подход следующего поколения, предназначенный для высокоскоростной и энергоэффективной обработки данных, который имитирует способность мозга учиться и адаптироваться.
В основе этой инновации лежит создание сверхтонких запоминающих устройств с атомным контролем, что может произвести революцию в области ИИ, позволяя мемристорам действовать как искусственные синапсы и нейроны. Эти устройства могут значительно повысить вычислительную мощность и эффективность, открывая новые возможности для приложений искусственного интеллекта, а также обучая новое поколение экспертов в области полупроводниковых технологий.
Проект направлен на решение одной из самых фундаментальных задач современных вычислений: достижение точности и масштабируемости, необходимых для создания систем искусственного интеллекта, вдохновлённых мозгом.
Для разработки энергоэффективных высокоскоростных сетей, функционирующих подобно человеческому мозгу, ключевыми компонентами являются мемристоры. Они могут одновременно хранить и обрабатывать информацию, что делает их особенно подходящими для нейроморфных схем, где они могут способствовать параллельной обработке данных, наблюдаемой в биологических мозгах, потенциально преодолевая ограничения традиционных вычислительных архитектур.
Совместные исследования Университета Канзаса (KU) и Университета Хьюстона под руководством Джуди Ву, выдающегося профессора физики и астрономии KU, поддерживаются грантом в размере 1,8 миллиона долларов от FuSe2.
Ву и её команда впервые разработали метод достижения толщины менее 2 нанометров в запоминающих устройствах, при этом слои плёнки достигают поразительной величины в 0,1 нанометра — примерно в 10 раз тоньше среднего нанометрового масштаба.
Эти достижения имеют решающее значение для будущей полупроводниковой электроники, поскольку они позволяют создавать устройства, которые одновременно чрезвычайно тонкие и способны выполнять точные функции с однородностью на больших площадях. Исследовательская группа также будет использовать совместный подход, объединяющий проектирование материалов, изготовление и тестирование.
Помимо научных целей, проект уделяет большое внимание развитию кадров. Признавая растущую потребность в квалифицированных специалистах в полупроводниковой промышленности, команда разработала образовательный компонент, возглавляемый экспертами из обоих университетов.
«Главная цель нашей работы — разработать атомарно «настраиваемые» мемристоры, которые могут действовать как нейроны и синапсы в нейроморфной схеме. Разрабатывая эту схему, мы стремимся обеспечить нейроморфные вычисления. Это основное направление наших исследований», — сказала Ву.
Мы хотим имитировать то, как наш мозг думает, вычисляет, принимает решения и распознаёт закономерности — по сути, всё, что мозг делает с высокой скоростью и высокой энергоэффективностью.