پیشرفت مواد، تحقق فناوری هوش مصنوعی را تسریع می‌کند
- لینک مفید:هوش مصنوعی، دقت در تجزیه و تحلیل نانومواد را بهبود می‌بخشد
- بیشتر بدانید:چگونه هوش مصنوعی می تواند درمان شخصی برای سرطان را ارائه دهد
- بیشتر بخوانید:ماسک صورت ساخته شده با هوش مصنوعی که با ورزش و سطوح آلودگی سازگار است
پیشرفت مواد، تحقق فناوری هوش مصنوعی را تسریع می‌کند
محققان کره‌ای برای اولین بار در این کشور موفق به توسعه ماده اصلی برای نیمه‌رسانای نورومورفیک (تقلید شبکه عصبی) نسل بعدی شدند.
این نتیجه کار یک تیم تحقیقاتی به رهبری دکتر جونگ-دای کوون و یونگ-هون کیم از دپارتمان انرژی و مواد الکترونیکی موسسه علوم مواد کره، به همراه تیم تحقیقاتی پروفسور بیونگجین چو در دانشگاه ملی چونگبوک است. KIMS یک موسسه تحقیقاتی با بودجه دولتی و تحت نظارت وزارت علوم و فناوری اطلاعات و ارتباطات است.
این مفهوم جدید ممترانزیستور از یک نانوماده دوبعدی با ضخامت چند نانومتر استفاده می‌کند. محققان با تقلید تکرارپذیر از انعطاف‌پذیری الکتریکی سیناپس‌های عصبی با بیش از ۱۰۰۰ تحریک الکتریکی، موفق به دستیابی به نرخ تشخیص الگوی بالایی در حدود ۹۴.۲٪ (۹۸٪ از نرخ تشخیص الگوی مبتنی بر شبیه‌سازی) شدند.
گوگرد مولیبدن (MoS2)، که به طور گسترده به عنوان یک ماده نیمه‌هادی مورد استفاده قرار می‌گیرد، بر این اصل کار می‌کند که نقص‌ها در یک کریستال واحد توسط یک میدان الکتریکی خارجی جابجا می‌شوند، که کنترل دقیق غلظت یا شکل نقص را دشوار می‌کند.
برای حل این مشکل، تیم تحقیقاتی به طور متوالی یک لایه اکسیدی از اکسید نیوبیوم (Nb2O5) و یک ماده گوگرد مولیبدن را روی هم قرار دادند و موفق شدند یک دستگاه سیناپسی مصنوعی با ساختار ممترانزیستور با قابلیت اطمینان الکتریکی بالا توسط یک میدان الکتریکی خارجی توسعه دهند.
علاوه بر این، آنها نشان داده‌اند که ویژگی‌های سوئیچینگ مقاومت را می‌توان با تغییر ضخامت لایه اکسیدی نیوبیوم آزادانه کنترل کرد و اطلاعات مغزی مربوط به حافظه و فراموشی را می‌توان با انرژی بسیار کم 10 PJ (پیکوژول) پردازش کرد.
در حال حاضر، از آنجایی که سخت‌افزار هوش مصنوعی مقادیر زیادی برق و هزینه را در قالب GPUها، FPGAها و ASICها مصرف می‌کند، انتظار می‌رود با رشد این صنعت در آینده، تقاضای انفجاری ایجاد شود.
یک تیم تحقیقاتی به رهبری دکتر جونگ-دای کوون و یونگ-هون کیم در KIMS گفتند: «استفاده از یک نیمه‌رسانای هوش مصنوعی مبتنی بر ساختار مم-ترانزیستور با مفهوم جدید و با قابلیت اطمینان بالا می‌تواند چگالی مدار و انرژی محرک را تا حد زیادی کاهش دهد. انتظار می‌رود که در آینده در سیستم‌های هوش مصنوعی پوشیدنی و محاسبات لبه کم‌مصرف به کار گرفته شود.»
این تحقیق به عنوان مقاله اصلی در مجله Advanced Functional Materials منتشر شد.
تاریخ:1404/4/22
مهسانعمتی
