Университет Кембриджа описал новый мемристор на основе оксида гафния (HfO2), который переключается при токах примерно в миллион раз ниже, чем у типичных оксидных устройств. В статье в Science Advances команда заявляет о переключении при токах ниже 10 нА и о сотнях устойчивых уровней проводимости — это прямой намек на более энергоэффективные нейроморфные чипы для ИИ.
Чем этот мемристор отличается от привычных HfO2-решений
Большинство HfO2-мемристоров работают через так называемое филаментарное переключение. Внутри оксида растут и разрываются проводящие «нити». Проблема в том, что эти нити ведут себя случайно. Это бьет по повторяемости: параметры «плавают» от цикла к циклу и от устройства к устройству. А для вычислений это значит ниже точность и сложнее калибровка.
Команда Кембриджа пошла другим путем. Они сделали многокомпонентную тонкую пленку, где внутри формируется самособирающийся p-n-переход. И мемристор переключается не через рост нитей, а за счет изменения барьера на гетероинтерфейсе.
❗️ ПОДПИСЫВАЙСЯ НА НАШ КАНАЛ В ДЗЕНЕ И ЧИТАЙ КРУТЫЕ СТАТЬИ БЕСПЛАТНО
Проектом руководит д-р Бабак Бахит (Department of Materials Science and Metallurgy, University of Cambridge). Он прямо говорит, что у филаментарных устройств «случайное поведение», а переключение на интерфейсе дает заметно лучшую равномерность «цикл к циклу» и «устройство к устройству».
Как устроен стек: стронций, титан и гетероинтерфейс
В основе — модифицированный оксид гафния. Исследователи добавили стронций и титан и нанесли пленку в два этапа. Так они получили p-типа слой Hf(Sr,Ti)O2, который сам формирует p-n гетероинтерфейс с нижележащим n-типа слоем оксинитрида титана.
Ключевой момент: изменение сопротивления происходит за счет сдвига высоты энергетического барьера на этом интерфейсе. То есть устройство переключает состояние «плавно», без стохастики проводящих нитей.
Цифры из эксперимента: токи, уровни проводимости и ресурс
По данным авторов, мемристоры показали токи переключения на уровне 10^-8 А и ниже. В пересчете на практику это те самые «ниже 10 нА», о которых они говорят как о главной фишке.
- Токи переключения: на уровне или ниже 10^-8 А (ниже 10 нА)
- Удержание состояния (retention): более 10^5 секунд
- Выносливость (endurance): более 50 000 циклов переключения импульсами
- Импульсы: 1,0 В, сопоставимые с биологическими «спайками»
- Модуляция проводимости: диапазон более чем в 50 раз, сотни различных уровней без насыщения
Отдельно в работе упоминают энергетику «синаптического обновления». Она лежит в диапазоне от примерно 2,5 пДж до около 45 фДж. И еще один важный маркер нейроморфики: устройство воспроизвело spike timing-dependent plasticity и держало стабильную «синаптическую» работу примерно на 40 000 электронных спайков.
Почему это вообще про экономию энергии в ИИ
Мемристор — это двухконтактный элемент, который хранит и обрабатывает данные в одном месте. За счет этого можно уменьшить дорогую по энергии «перетасовку» данных между памятью и вычислителем, как в классической архитектуре.
В статье в Science Advances исследователи оценивают, что нейроморфные системы на мемристорах могут снизить энергопотребление вычислений более чем на 70%. Это не обещание «в 1000 раз», а конкретная оценка из их работы, и она выглядит приземленно.
Главный стоп-фактор: 700°C при осаждении
У прототипа есть жесткое инженерное ограничение. Текущий процесс осаждения требует температур около 700°C. Это выше стандартных допусков CMOS-производства. Бахит называет это «главным вызовом» и говорит, что команда работает над снижением температуры, чтобы подружить процесс со стандартной индустрией.
❗️ ПОДПИСЫВАЙСЯ НА НАШ КАНАЛ В ДЗЕНЕ И ЧИТАЙ КРУТЫЕ СТАТЬИ БЕСПЛАТНО
При этом авторы подчеркивают: материалы в стеке CMOS-совместимы, а на разработку подали патентную заявку через Cambridge Enterprise.
Подробности Кембридж изложил в своем сообщении о работе: New computer chip material inspired by the human brain could slash AI energy use.
Подписывайтесь на наши каналы в Telegram и Дзен, чтобы узнавать больше. И делитесь своим мнением и опытом в нашем чате.
Кембридж показал мемристор на HfO2: токи переключения в миллион раз ниже ⚡️