Транзистор на основе окислительно-восстановительного потенциала в качестве резервуарной системы для нейроморфных вычислений

Физические системы, известные как «резервуары», предназначены для эмуляции нейронных сетей и удовлетворения потребностей в повышении вычислительной эффективности и скорости. Преодолевая предыдущие проблемы с совместимостью, производительностью и интеграцией таких резервуарных систем, исследователи из Японии недавно разработали ионно-стробирующий транзистор с улучшенными состояниями резервуара и возможностями кратковременной памяти на основе окислительно-восстановительных реакций.

Исследователи из TUS и NIMS в Японии разработали окислительно-восстановительный ионно-стробирующий резервуар, состоящий из LixWO3 тонкопленочной и литий-ионной проводящей стеклокерамики (LICGC). Входное напряжение затвора запускает транспортировку ионов лития в канале и электролите. Разница в скоростях переноса ионов приводит к тому, что затвор и выходной ток стока служат резервуарными состояниями. Фото: д-р Тору Хигучи из Токийского научного университета, Япония

Эта разработка открывает нам возможность использования окислительно-восстановительных ионных устройств для высокопроизводительных нейроморфных вычислений. Благодаря крупным прорывам в искусственном интеллекте, распознавании изображений и обнаружении объектов в области вычислительной техники в последнее время произошла замечательная революция. Будучи областью, управляемой данными, эффективный анализ и обработка больших и сложных наборов данных имеет первостепенное значение в вычислительной технике.

Чтобы повысить эффективность и скорость выполнения задач, управляемых данными, исследователи изучают возможность распознавания сложных закономерностей и взаимосвязей, присущих данным, для разработки высокопроизводительных «нейроморфных» вычислительных технологий. Этот передовой подход направлен на воспроизведение способности мозга обрабатывать информацию параллельным и взаимосвязанным образом. Таким образом, он стремится построить сеть узлов, способных преобразовывать данные в многомерные представления, подходящие для сложных задач, таких как распознавание образов, прогнозирование и классификация.

Ионно-стробирующие резервуары состоят из затвора, дренажа и исходного электродов и разделены электролитом, который действует как среда для управления потоком ионов. Подача напряжения на затворный электрод запускает окислительно-восстановительную реакцию в канале, соединяющем электроды источника и стока, в результате чего ток стока может быть точно модулирован. Таким образом, преобразование наборов данных временных рядов в напряжения затвора может позволить соответствующим выходным токам служить в качестве отдельных состояний резервуара.

В этом исследовании ученые использовали литий-ионопроводящую стеклокерамику (LICGC) в качестве электролита. В LICGC ионы лития движутся быстрее по сравнению с каналом, что приводит к генерации двух выходных токов — тока стока и дополнительного тока затвора, что эффективно удваивает количество состояний резервуара.

Кроме того, различные скорости переноса ионов в канале и электролите приводят к задержке отклика тока стока по сравнению с током затвора. Эта отсроченная реакция обеспечивает возможности кратковременной памяти в системе, позволяя резервуару сохранять и использовать информацию из прошлых входных данных, что является важнейшим требованием для физических резервуаров.

Чтобы изготовить это устройство, исследователи нанесли пленку оксида лития-кобальта толщиной 200 нм (LiCoO2) на подложку LICGC толщиной 0,15 мм. Затворный электрод состоял из тонкой пленки литий-ионного/платинового (Pt), в то время как тонкие пленки Pt использовались для дренажных и исходных электродов. Канал, соединяющий дренажный и исходный электроды, состоял из оксида вольфрама (VI) толщиной 100 нм (WO)3) тонкая пленка.

Демонстрируя замечательные возможности, устройство достигло в общей сложности 40 состояний резервуара (20 от тока слива и 20 от тока затвора). Устройство превзошло другие физические резервуары, такие как мемристоры и устройства спинового момента, при решении нелинейных динамических уравнений второго порядка.

В частности, нелинейность, возможности кратковременной памяти и большое количество состояний коллектора позволили устройству делать прогнозы с низкой среднеквадратичной ошибкой предсказания 0,163 в задаче нелинейной авторегрессионной скользящей средней второго порядка (NARMA2) — эталонном тесте для оценки производительности пластовой системы при выполнении сложных нелинейных операций и прогнозирования будущего значения входных данных временных рядов на основе его прошлых значений как входных, так и выходных.

Подробнее: Tomoki Wada et al, A Redox‐Based Ion‐Gating Reservoir, Utilizing Double Reservoir States in Drain and Gate Nonlinear Responses, Advanced Intelligent Systems (2023). DOI: 10.1002/aisy.202300123 🔗