نانومواد

مقاومت های حافظه مبتنی بر گرافن نویدبخش محاسبات مبتنی بر مغز هستند

مقاومت های حافظه مبتنی بر گرافن نویدبخش محاسبات مبتنی بر مغز هستند

 

مقاومت های حافظه مبتنی بر گرافن نویدبخش محاسبات مبتنی بر مغز هستند
ممریستورهای گرافن درها را برای محاسبات زیست سنجی باز می کنند. اعتبار: جنیفر ام. مک کان / ایالت پن

مقاومت های حافظه مبتنی بر گرافن نویدبخش محاسبات مبتنی بر مغز هستند همزمان با کند شدن پیشرفت در محاسبات سنتی ، اشکال جدیدی از محاسبات در خط مقدم قرار می گیرند. در ایالت پن ، تیمی از مهندسان در تلاشند تا نوعی محاسبات را تقلید کنند که ضمن بهره برداری از ماهیت آنالوگ مغز ، از کارایی شبکه های عصبی مغز تقلید می کند.

دانشکده ها : محاسبات مدرن دیجیتال است و از دو حالت خاموش یا یک و صفر تشکیل شده است. یک رایانه آنالوگ ، مانند مغز ، حالات زیادی دارد. این تفاوت بین روشن یا خاموش کردن سوئیچ نور و روشن کردن سوئیچ کم نور به مقادیر مختلف روشنایی است.

طبق گفته Saptarshi Das ، سرپرست تیم و استادیار علوم مهندسی و مکانیک ایالت پن ایالت ، محاسبات نورومورفیک یا مغز الهام گرفته شده برای بیش از ۴۰ سال مورد مطالعه قرار گرفته است. نکته جدید این است که با دستیابی به محدودیت های محاسبات دیجیتال ، نیاز به پردازش تصویر با سرعت بالا ، به عنوان مثال برای اتومبیل های خودران ، افزایش یافته است. ظهور داده های بزرگ ، که به انواع تشخیص الگو نیاز دارد ، که ساختار مغز به ویژه برای آنها مناسب است ، عامل دیگری در زمینه محاسبات نورومورفیک است.

داس گفت: “ما رایانه های قدرتمندی داریم ، بدون تردید در این مورد ، مشکل این است که شما باید حافظه را در یک محل ذخیره کرده و محاسبات را در جای دیگری انجام دهید.”

جابجایی این داده ها از حافظه به منطق و برگشت انرژی زیادی می برد و سرعت محاسبات را کاهش می دهد. علاوه بر این ، این معماری کامپیوتر به فضای زیادی نیاز دارد. اگر محاسبات و حافظه ذخیره سازی در یک فضا قرار داشته باشند ، می توان این گلوگاه را از بین برد.

“ما در حال ایجاد شبکه های عصبی مصنوعی هستیم ، که به دنبال تقلید هستند انرژی و بازده منطقه ای مغز ، “توضیح داد توماس شرانگامر ، دانشجوی دکترای گروه Das و اولین نویسنده مقاله ای که اخیراً در ارتباطات طبیعت منتشر شده است.” “مغز بسیار جمع و جور است و می تواند در آن جای بگیرد. بالای شانه ها ، در حالی که یک ابر رایانه مدرن فضایی به اندازه دو یا سه زمین تنیس را اشغال می کند. ”

مانند سیناپس های متصل نورون های مغز که می توانند دوباره پیکربندی شوند ، شبکه های عصبی مصنوعی که تیم در حال ساخت است ، می تواند با استفاده از یک میدان الکتریکی مختصر روی یک ورق گرافن ، یک لایه ضخیم اتمی از اتم های کربن ، پیکربندی شود. در این کار ، آنها حداقل ۱۶ حالت حافظه ممکن را نشان می دهند ، در حالی که این حالت در اکثر حافظه های حافظه مبتنی بر اکسید ، یا مقاومت در برابر حافظه وجود ندارد.

“آنچه ما نشان داده ایم این است که می توانیم تعداد زیادی از حافظه a را کنترل کنیم > با استفاده از ترانزیستورهای اثر میدان گرافن با دقت بیان می کند. “

تیم فکر می کند ارتقا ra این فناوری در مقیاس تجاری عملی است. با توجه به اینکه بسیاری از بزرگترین شرکتهای نیمه رسانا به طور فعال محاسبات عصبی را دنبال می کنند ، داس معتقد است که این کار مورد علاقه را پیدا خواهند کرد.

علاوه بر Das و Shranghamer ، نویسنده اضافی مقاله ، با عنوان “Synapses Memristive Graphene for High-precision Neuromorphic Computing” ، آریان اوبروی ، دانشجوی دکترای علوم مهندسی و مکانیک است.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا