En ny generasjon databrikker modellert etter hjernens nevrale nettverk kan være i produksjon innen slutten av dette tiåret takket være et nyutviklet materiale. Dette er den første elektrokjemiske 3-terminale transistoren laget av 2D-materialer.
Forskere ved KTH Royal Institute of Technology i Stockholm og Stanford University har funnet ut at minnekomponenter laget av en titankarbidforbindelse kalt MXene har "utmerket potensial til å komplementere klassisk transistorteknologi." Elektrokjemisk Random Access Memory, eller ECRAM, oppfører seg som en synaptisk celle i et kunstig nettverk, og gir en universell lagring for datalagring og prosessering. "Disse nye datamaskinene vil stole på komponenter som kan ha flere tilstander og utføre beregninger i minnet," sa KTH førsteamanuensis og hovedforfatter Max Hamedi i en uttalelse.
Funnene, publisert i tidsskriftet Advanced Functional Materials, antyder at MXene kan spille en grunnleggende rolle i utviklingen av nevromorfe datamaskiner som jobber nærmere den menneskelige hjernen og er tusenvis av ganger mer energieffektive enn dagens tradisjonelle datamaskiner.
I en uttalelse til TechRadar Pro bekreftet Max Hamedi at teknologien «bruker de samme prosessene som CMOS-skiver, og integrerer lag med 2D-materiale på silisium. Vi ser skrivehastigheter som er 1000 ganger raskere enn noen annen ECRAM som har blitt demonstrert. Dette betyr at hvis vi skalerer 2D ECRAM-er til nanoskala, kan de være like raske som transistorer i moderne datamaskiner (sub-nanosekund), noe som betyr at de kan bygges inn i våre moderne datamaskiner ved hjelp av CMOS-teknologi (på grunn av kompatibiliteten til metallmaterialer i 2D transistorer med CMOS fab-teknologi).
"Vi vil være i stand til å lage spesielle dataenheter (for eksempel om 5-10 år) der minne og transistorer er smeltet sammen, noe som gjør dem minst 1000 ganger mer energieffektive enn de beste datamaskinene vi har i dag for kunstig intelligens og modelleringsproblemer (noen). beregninger viser til og med energieffektivitet på 1 million ganger for visse algoritmer).
Vi kan trolig forvente at det første kommersielle produktet dukker opp før slutten av tiåret, ettersom go-to-market-strategien krever minst fem års testing.
Les også: