Incipient Ferroelectricitet – hvad er det, og hvordan kan det ændre beregning?

Lavenergi‑transistorer

Computing er for det meste udført af silicium‑transistorer. De er den essentielle komponent i de fleste af dagens computere, men de forbruger også meget energi, når de er i drift.

En anden type halvlederkomponent er FET: felt‑effekt transistor. Denne type transistor bruger et elektrisk felt til at styre strømmen gennem en halvleder og forbruger meget mindre strøm end en silicium‑transistor. I øjeblikket er den mest udbredte felt‑effekt transistor MOSFET (metal‑oxid‑semiconductor felt‑effekt transistor).

Forskere ved Penn State University og University of Minnesota undersøger en tidligere overset egenskab ved FET’er: incipient ferroelectricitet.

Incipient ferroelectricitet er karakteristisk for midlertidig, spredt polarisation, som om materialet har potentiale til at blive ferroelectric, men det har brug for et lille skub.

Dette kan være meget nyttigt for neuromorfisk computing, en teknik der forsøger at efterligne, hvordan en hjerne fungerer i stedet for at bruge traditionelle binære beregningsmetoder. En sådan metode kan lagre data med meget mindre energi samt håndtere barske forhold som rummet.

Forskerne offentliggjorde deres resultater i Nature Communication med titlen “Multifunctional 2D FETs exploiting incipient ferroelectricity in freestanding SrTiO3 nanomembranes at sub-ambient temperatures”¹.

Hvad er incipient ferroelectricitet?

Ferroelectricitet er karakteristisk for visse materialer, der har en spontan elektrisk polarisation, som kan vendes ved påføring af et eksternt elektrisk felt.

Dette bruges almindeligvis til at bygge ferroelectric kondensatorer, som er mindre i fysisk størrelse sammenlignet med dielektriske kondensatorer. Det er også en fysisk egenskab, der anvendes til at bygge ferroelectric RAM-hukommelse til computere og RFID‑kort.

Incipient ferroelectricitet opstår, når den ferroelectric egenskab kun forekommer under specifikke betingelser: den kan holde en elektrisk ladning, men kræver bestemte forhold for at opnå en elektrisk ladning.

“Incipient ferroelectricitet betyder, at der ikke er nogen stabil ferroelectric orden ved stuetemperatur. I stedet er der små, spredte klynger af polare domæner. Det er en mere fleksibel struktur sammenlignet med traditionelle ferroelectric materialer.”

Dipanjan Sen – Doktorand i ingeniørvidenskab og mekanik

Normalt har denne egenskab været betragtet som en begrænsning for et materiale, ikke som en fordel, da den kan føre til kort hukommelsesretention fra disse transistorer.

Dette var indtil forskerholdet opdagede, at incipient ferroelectricitet blev mindre incipient og mere traditionel ved lavere temperaturer.

Brug af incipient ferroelectricitet

Den mere fleksible natur af incipient ferroelectricitet ville være et problem for traditionelle beregningsmetoder. Men dette kan vendes til en fordel.

“Under kryogene forhold udviste dette materiale traditionel ferroelectric‑lignende opførsel, som er egnet til hukommelsesapplikationer. Men ved stuetemperatur opførte denne egenskab sig anderledes. Den havde en relaxor‑natur: en mere uordnet, kort‑rækkevidde polariseringsrespons.”

Saptarshi Das – Professor i ingeniørvidenskab ved Penn State.

Incipient ferroelectricitet kan bruges til at skabe neuron‑lignende beregningssystemer, kaldet neuromorfe computere.

Disse systemer efterligner, hvordan den menneskelige hjerne behandler information ved hjælp af neuroner og bruger meget mindre energi end traditionelle computere. Ligesom vores hjerne sparer den energi ved kun at bruge strøm, når det er nødvendigt, som at tænde og slukke for et lys, i stedet for at være tændt hele tiden som traditionelle computere.

For at udnytte dette i nyttige applikationer skulle FET’er med forbedret incipient ferroelectric adfærd bygges.

Incipient ferroelectric FET’er

Strontium Titanate

Dette var forskernes opgave fra University of Minnesota, som udviklede FET’erne ved at aflejre et lag af atomer på et substrat for at danne en tynd film. Disse film, lavet af strontium titanat (STO), blev derefter kombineret med molybden disulfid, et todimensionelt materiale.

Kilde: Nature Communication

Normalt er strontium titanat typisk ikke‑ferroelectric, hvilket betyder, at det ikke har et permanent elektrisk felt.

Men ved meget lave temperaturer udviser det ferroelectric‑lignende opførsel. Strontium titanat‑tynde film er også et perovskit‑materiale.

“Vi blev overraskede over at se, at disse velkendte perovskit‑materialer kunne udvise eksotiske ferroelectric egenskaber på enhedsniveau.

Det var ikke noget, vi havde forventet, men da vi begyndte at fremstille enhederne, så vi adfærd, der virkelig kunne omdefinere avanceret elektronik.”

Perovskit‑materialer har en specifik type krystalstruktur, som bruges til at producere solpaneler, men kan også være nøglen til udvikling af fotonisk computing.

FET’er

Ved brug af strontium titanat‑tynde film byggede forskerne tre kunstige neuroner og brugte dem til at udføre en klassifikationsopgave ved hjælp af et gitter af tre‑by‑tre‑pixel‑billeder, som et proof‑of‑concept.

Kilde: Nature Communication

Enhederne var i stand til at klassificere hvert billede i forskellige kategorier. Denne læringsmetode kunne på sigt bruges til billedidentifikation og klassificering eller mønstergenkendelse. Vigtigt er, at den fungerer ved stuetemperatur, hvilket reducerer energiforbruget.

Mayukh Das – Doktorand i ingeniørvidenskab og mekanik

Disse FET‑baserede kunstige neuroner, der bruger incipient ferroelectricitet, kunne skabe et lavpris, effektivt beregningssystem, som bruger meget mindre energi.

Dette tilslutter andre nye anvendelser af FET’er til avancerede beregningssystemer, især Ferroelectric High Electron Mobility Transistor (FeHEMT) til næste generations kommunikationsenheder.

Fremtidige anvendelser

Dette er stadig, for nu, meget eksperimentelt, udforsker mulighederne for en ny anvendelse af incipient ferroelectricitet.

Det vil sandsynligvis få den vigtigste anvendelse i AI‑applikationer, da LLM‑er og andre AI‑systemer kræver massive mængder hukommelse til at lagre al den nødvendige data, hvilket er meget energikrævende.

Nogle forbedringer i neurale netværksarkitektur og software, som DeepSeek, kan hjælpe. I sidste ende vil der være behov for en ny type hardware, der er bedre tilpasset AI‑krav, for at forhindre AI‑industrien i at blive en af verdens største energiforbrugere.

“At perfektionere disse materialer og integrere dem i hverdagsenheder som smartphones eller laptops vil tage tid, så der er meget mere at udforske.

Derudover undersøger vi andre materialer, som barium titanat, for at afdække deres potentiale. Mulighederne for vækst er enorme, både inden for materialer og enheds‑applikationer.

Dipanjan Sen – Doktorand i ingeniørvidenskab og mekanik

Neuromorfe computing‑virksomheder

1. Intel

Intel er en gigant inden for halvledersektoren og har gennem årene udviklet sig fra en grundlægger af branchen til en videnskabelig og innovationsleder, men har mistet toppladsen i produktionsvolumen til virksomheder som Taiwans TSMC.

Intel er en førende inden for neuromorfisk computing, delvist takket være dets Loihi 2‑chip.

Kilde: Intel

Den har også oprettet Intel Neuromorphic Research Community, som inkluderer Pennsylvania State University, involveret i nylig vanadiumdioxid‑forskning, samt over 75 andre forskningsgrupper.

Kilde: Intel

Intel er også meget aktiv i at efterligne biologisk sans ved at replikere den måde, vores hjerne fungerer på (selve en gren af neuromorfisk computing), noget vi diskuterede yderligere i vores artikel “Biomimetiske olfaktoriske chips: Er kunstig intelligens og e‑næser den næste kanariefugl i en kulmine?”

Generelt er forskning fra Intel Lab i frontlinjen af halvlederinnovation, herunder AI, kvantecomputing, neuromorfisk computing osv.

Vi diskuterede Intels fremskridt inden for kvantecomputing i vores artikler “The Current State of Quantum Computing” og i september 2024 “Stock Of The Week: Intel (INTC)”.

2. IBM

En anden historisk pioner inden for computing, halvledere og chipdesign, International Business Machines Corporation (IBM) undersøger også neuromorfisk computing.

Den udvikler SyNAPSE: Skalerbar energibesparende neuro‑synaptisk computing, støttet af Defense Advanced Research Projects Agency (DARPA), for at kombinere “nanovidenskab, neurovidenskab og supercomputing for at simulere og efterligne hjernens evner inden for sansning, perception, handling, interaktion og kognition”.

Den er også i frontlinjen af udviklingen af kvantecomputere. For eksempel udviklede den sin 127‑qubit “Eagle” kvantecomputer, som blev efterfulgt af et 433‑qubit system kendt som “Osprey” og den 1.121‑superledende qubit‑kvanteprocessor ‘Condor’.

Kilde: All About Circuits

Sammen med Intel er IBM blandt de virksomheder, der mest aggressivt driver nye former for computeringsteknologier frem, såsom kvante‑ og neuromorfisk computing. Det vil sandsynligvis drage fordel af fremskridt i bedre forståelse af materialer, der bruges i neuromorfe transistorer.

Studier refereret:

^{1. Sen, D., Ravichandran, H., Das, M. et al. Multifunctional 2D FETs exploiting incipient ferroelectricity in freestanding SrTiO3 nanomembranes at sub-ambient temperatures. Nat Commun 15, 10739 (2024). https://doi.org/10.1038/s41467-024-54231-z}