Memristorsynapsen van hafniumoxide. Synapsen zijn in de hersens de contactpunten tussen hersencellen (afb: Babak Bakhit et al./Science)

Deze nieuwe, op de werking van de hersenen geïnspireerde chip zou het energieverbruik van kunstmatige intelligentie met 70% kunnen verlagen. En weer verwijzen de bedenkers naar onze hersens die met een veel lager energieverbruik in den brede nog steeds veel beter presteren dan ki, waar we weten nog steeds niet van weten hoe ze dat flikken. Baanbrekend? Mijn zolen. Voorlopig zullen eerst de memristors, die de onderzoekers daarvoor nodig hebben, ‘getemd’ moeten worden…Onderzoekers zeggen een nieuw nano-elektronisch apparaat te hebben ontwikkeld met behulp van een gewijzigde vorm van hafniumoxide die zou nabootsen hoe hersencellen informatie verwerken (en tegelijkertijd opslaan). In tegenstelling tot conventionele chips die of gegevens verwerken of opslaan (en daarmee energie verspillen aan het heen en weer sturen van gegevens), werkt dit apparaat met een laag energieverbruik waardoor het energieverbruik van ki mogelijk met 70% kan worden verlaagd (dan blijft dat energieverbruik nog steeds aanzienlijk in vergelijking met die van hersens; as).
Die veranderde vorm (???; as) van hafniumoxide fungeert als een zogeheten memristor, (een geheugenweerstand), die die dubbele functie aan kan. Op dit gebied is er nogal wat onderzoek in de aanbieding, maar ik krijg niet het idee dat hier grote stappen worden gemaakt.

Onderzoekers praten dan heel arrogant over hersenachtig rekenen (neuromorfisch). Dat dat het energieverbruik vermindert is niet onlogisch, maar waar blijven die memristorcomputers? “Energieverbruik is een van de grootste uitdagingen voor de huidige ki-apparatuur”, zegt hoofdauteur Babak Bakhit van de afdeling materiaalwetenschappen van de universiteit van Cambridge. “Om dat aan te pakken, heb je apparaten nodig met extreem lage stroomsterktes, uitstekende stabiliteit, een uitzonderlijke uniformiteit over schakelcycli en apparaten heen en het vermogen om te schakelen tussen veel verschillende toestanden.”
De meeste bestaande memristors werken door de vorming van minuscule geleidende vezeltjes in metaaloxides. Deze gedragen zich vaak onvoorspelbaar en vereisen vaak hoge spanningen, wat hun praktische toepasbaarheid voor grootschalig computerwerk beperkt.

De onderzoekers van Cambridge kozen een andere weg. Ze ontwikkelden een dunne laag hafnium die van toestand wisselt via een beter regelbaar mechanisme. Door strontium en titanium toe te voegen en een tweestapsgroeiproces te gebruiken, creëerden de onderzoekers kleine elektronische poorten, bekend als ‘p-n-overgangen’, op de grensvlakken tussen de lagen.
In plaats van te vertrouwen op het vormen en breken van de vezeltjes, verandert het apparaat zijn weerstand door de energiebarrière op deze grensvlakken aan te passen. Dit zorgt voor soepeler en betrouwbaarder schakelen.

Bakhit stelt dat dit ontwerp een belangrijk probleem in de ontwikkeling van memristors oplost. “Vezeltjesapparaten hebben last van willekeurig gedrag”, zegt hij, “maar omdat onze apparaten schakelen op het raakvlak, vertonen ze een uitstekende uniformiteit van cyclus tot cyclus en van apparaat tot apparaat.”
Proeven zouden hebben aangetoond dat de nieuwe apparaten werken met schakelstromen die ongeveer een miljoen keer lager zijn dan die van sommige conventionele memristors op basis van oxiden. Ze kunnen ook honderden stabiele geleidingsniveaus bereiken, wat essentieel is voor analoog ‘geheugenrekenen’.

In laboratoriumexperimenten bleven de apparaten stabiel gedurende tienduizenden schakelcycli en behielden ze hun geprogrammeerde toestanden gedurende ongeveer een dag. Ze vertoonden ook belangrijke ‘biologische’ leergedragingen, waaronder piektijdafhankelijke plasticiteit: het proces waarbij neuronen hun verbindingen kunnen versterken of verzwakken om zaken vast te leggen of af te zwakken. Bakhit: “Dit zijn de eigenschappen die je nodig hebt als je apparaten wilt die kunnen leren en zich kunnen aanpassen, in plaats van alleen maar bits opslaan (of rekenen, zou ik zeggen; as).”

Obstakels

Ondanks de veelbelovende resultaten zijn er nog steeds obstakels te overwinnen. Het huidige productieproces vereist temperaturen van rond de 700 °C, hoger dan wat standaard halfgeleiderfabricage doorgaans toelaat. “Dit is momenteel de grootste uitdaging in ons fabricageproces,” zegt Bakhit. “We werken echter nu aan manieren om de temperatuur te verlagen, zodat deze beter aansluit bij de huidige industriële standaardprocessen.”
Bakhit geeft aan dat heel dat proces vallen en opstaan is geweest. Dat verklaart dan misschien hoe het komt dat het met die memristors nog steeds niet veel geworden is. “Ik heb hier bijna drie jaar aan gewerkt,” zei hij. “Er waren enorm veel mislukkingen. Eind november zagen we de eerste echt goede resultaten. Het is natuurlijk nog vroeg, maar als we het temperatuurprobleem kunnen oplossen, zou deze technologie een gamechanger kunnen zijn, omdat het energieverbruik veel lager is en tegelijkertijd de prestaties van het apparaat zeer veelbelovend zijn.”

Bron: Science Daily