• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Un transistor de puerta flotante de dos terminales para computación neuromórfica

    El profesor Shahar Kvatinsky (izquierda) y el estudiante de doctorado Loai Danial (derecha), dos de los investigadores detrás del estudio. Crédito:Rami Shlush.

    Investigadores de Technion y TowerJazz en Israel han construido recientemente un transistor de puerta flotante de dos terminales que podría tener aplicaciones útiles en la computación neuromórfica. Este transistor, presentado en un documento en Electrónica de la naturaleza , se fabricó utilizando tecnología estándar de un solo poli y un proceso CMOS comercial de 180 nm.

    "Nuestro laboratorio suele trabajar en circuitos y arquitecturas con dispositivos emergentes, como memristores, "Shahar Kvatinsky, uno de los investigadores que realizó el estudio, dijo a TechXplore. "El problema con estos dispositivos es que no están disponibles comercialmente y solo podemos obtenerlos a pequeña escala y con poca confiabilidad. Por lo general, confiamos en simulaciones o en pequeñas pruebas de concepto con los dispositivos disponibles ".

    Inicialmente, Kvatinsky y sus colegas comenzaron a buscar una forma de probar sus ideas en un entorno más confiable. Después, durante una colaboración con TowerJazz destinada a modificar los dispositivos Y-Flash comerciales de este último, el equipo se dio cuenta de que, en determinadas condiciones, estos dispositivos podrían tener un comportamiento similar a los dispositivos presentados en sus diseños. Después de una serie de pruebas en estos dispositivos, decidieron modelarlos como memristores.

    "El comportamiento de los memristores es muy diferente al de los transistores existentes, ", Dijo Kvatinsky." Son dos terminales (frente a tres o cuatro terminales en los transistores) y se comportan como resistencias con memoria (este es el significado del nombre). Si bien los memristores no están disponibles comercialmente, Y-Flash es, en un proceso estable de 0,18 um ".

    Los dispositivos similares a memristor presentados por los investigadores se pueden sintonizar con precisión utilizando voltajes y tiempos de conmutación optimizados. Además, pueden alcanzar 65 niveles resistivos distintos y tener una retención de datos analógicos de 10 años.

    La principal ventaja de estos dispositivos, sin embargo, es que si bien reproducen un comportamiento similar a un memristor, se pueden construir fácilmente utilizando tecnología disponible comercialmente, lo cual no es cierto para la mayoría de los memristores existentes. Además, son de bajo consumo y, por tanto, considerablemente eficientes energéticamente.

    "Tenga en cuenta que para fabricar Y-Flash en modo memristivo, las modificaciones que hicimos son menores y no requieren pasos de fabricación adicionales, ", Agregó Kvatinsky." Esto significa que su costo es idéntico al de los transistores Y-Flash estándar ".

    Kvatinsky y sus colegas llevaron a cabo una serie de experimentos en los que demostraron el potencial de sus memristores para una serie de aplicaciones neuromórficas básicas. En particular, demostraron que son adecuados para lograr una plasticidad dependiente del tiempo de picos, multiplicación de matrices vectoriales, Entrenamiento de clasificación y memoria asociativa.

    "Para académicos como yo, nuestros transistores nos permitirán probar nuestras ideas en un diseño de escala relativamente grande con transistores regulares, ", Dijo Kvatinsky." Para la industria, abre oportunidades para fabricar sistemas de IA neuromórficos eficientes para aplicaciones de bajo consumo ".

    Estos memristores podrían abrir nuevas e interesantes posibilidades para numerosas áreas de investigación y desarrollo. Podrían ser particularmente útiles para aplicaciones que requieran el uso de memristores a gran escala, como los sistemas de IA neuromórficos, así como para aquellos que requieran una excelente integración con tecnologías comerciales.

    "En este papel, mostramos cómo se comporta el dispositivo básico y demostramos varias aplicaciones relacionadas con las redes neuronales, ", Dijo Kvatinsky." Ahora planeamos diseñar y fabricar aplicaciones más grandes e integrarlas con transistores ".

    © 2020 Science X Network




    © Ciencia https://es.scienceaq.com