Синапс

Исследователи из Кембриджского университета, Университета Линчепинга, Университета Пердью, Университетского колледжа Лондона, Университета Буффало и Национальной лаборатории Лос-Аламоса разработали новый подход к компьютерной памяти на основе оксида гафния, способный значительно улучшить обе производительности. и эффективность.

«В значительной степени этот взрывной спрос на энергию вызван недостатками современных технологий компьютерной памяти», — утверждает первый автор Маркус Хелленбранд, доктор философии, прогнозов о том, что компьютеры, управляющие Интернетом и другими коммуникационными сетями, вырастут и будут потреблять почти треть мировые поставки энергоносителей в ближайшее десятилетие. «В традиционных вычислениях с одной стороны есть память, а с другой — обработка, и данные перемещаются обратно между ними, что требует как энергии, так и времени».

Чтобы решить эту проблему, говорят исследователи, потребуется переосмыслить то, как работает память. Чтобы выделить один из возможных подходов, они приступили к созданию прототипа запоминающего устройства на основе оксида гафния, легированного барием. В отличие от традиционной памяти, в которой данные представлены в виде четко обозначенных нулей и единиц, прототип команды представляет собой форму резистивной памяти, которая хранит информацию в виде непрерывного диапазона значений, что повышает плотность, скорость и эффективность. «Типичный USB-накопитель с непрерывным диапазоном действия, — утверждает Хелленбранд, — сможет хранить, например, в 10–100 раз больше информации».

Устройство работает благодаря созданию вертикальных мостиков, возвышающихся над плоскостью оксида гафния, создавая высокоструктурированную магистраль, по которой могут течь электроны, тогда как немостиковый оксид гафния находится в неструктурированном состоянии и блокирует поток электронов. Контролируя высоту энергетического барьера, на котором мосты встречаются с контактами устройства, прототип исследователей способен хранить непрерывные значения.

«Что действительно интересно в этих материалах, так это то, что они могут работать как синапс в мозге», — добавляет Хелленбранд. «Они могут хранить и обрабатывать информацию в одном и том же месте, как и наш мозг, что делает их весьма перспективными для быстро развивающихся областей искусственного интеллекта и машинного обучения».

Работа команды была опубликована в журнале Science Advances на условиях открытого доступа; Патент на эту технологию был подан отделом коммерциализации Кембриджского университета.