Uudelleenkonfiguroitavat tietokoneet, jotka toimivat kuin aivosi

Intian tiedeakatemian (Indian Institute of Science) insinöörit ovat äskettäin esittäneet seuraavan sukupolven tietokonepiirin, joka pystyy vaihtamaan useiden laskentatehtävien välillä pelkästään muuttamalla sen kemiallista koostumusta. Uusi suunnittelu ammentaa inhimillisestä aivoista, avaten oven tulevaisuuden tekoälyjärjestelmille, jotka eivät pelkästään opi, vaan sisältävät sisäänrakennetun tiedon. Tässä on, mitä sinun tarvitsee tietää.

Laskennan tulevaisuuden avaaminen vaatii laatikon ulkopuolista ajattelua. Kun piirit saavuttavat suunnittelunsa teoreettisen rajan, on otettava käyttöön uusia lähestymistapoja, jotta laskentatehoa voidaan edelleen kasvattaa.

Piisirun valmistus

Kun kehitetään nopeampia ja pienempiä piirejä seuraavan sukupolven elektronisten laitteiden voimanlähteeksi, piitä pidetään johtavana vaihtoehtona. Tämä runsas, edullinen puolijohde tarjoaa hyväksyttävän kantajamobiilisuuden, mahdollistaen sen toimia sekä eristeenä että johtimena, kun se yhdistetään muihin materiaaleihin ja virta kytketään.

Lisäksi hapetettua piitä (silika) voidaan kasvattaa ohuiksi levyiksi, jotka tukevat monikerroksisia piirisuunnitelmia. Tämä ominaisuus on tehnyt siitä ihanteellisen nykypäivän mikro- ja nanoelektroniikassa. Kuitenkin tähän materiaaliin liittyy vakavia haittoja.

Piin prosessointi voi olla haitallista ympäristölle käytettyjen kemikaalien vuoksi. Lisäksi sen kyky isännöidä nanoelektroniikkaa on rajoitettu. Laitteet, joiden portin pituus on alle 7 nm, voivat kohdata paljon häiriöitä. Nämä häiriöt voivat johtua monista syistä, kuten signaalivuodosta ja kvanttitulkkauksesta.

Nanoelektroniikka

Nanoelektroniikka on seuraava askel miniaturoinnissa. Nämä laitteet, joiden koko on alle 100 nm, ovat niin pieniä, että ne ovat alttiimpia kvanttimekaniikalle kuin perinteiselle fysiikalle. Nämä vuorovaikutukset voivat aiheuttaa rajapinnan muutoksia ja muita epälineaarisia vasteita, johtuen toiminnan monimutkaisuudesta tällä mittakaavalla.

Neuromorfinen laskenta

Kun piirilevy pienennetään nanoskaalaan, on äärimmäisen vaikeaa luottaa mekaanisiin prosesseihin tehtävien suorittamisessa. Tästä syystä insinöörit ovat kääntyneet neuromorfisia laskentavaihtoehtoja kohti tiedon tallentamiseksi ja laskentojen suorittamiseksi. Nämä laitteet perustuvat aivoihisi.

Neuromorfiset tietokoneet hyödyntävät oksidimateriaaleja ja filamentaarista kytkentää suorittaakseen laskentatehtäviä. Tämä rakenne supistaa nykyisen laskentatavan jäljitellen oppimista. Tämä strategia eroaa laitteesta, joka luonnollisesti sisältää tiedot osana sen rakenteellista rakennetta.

Tämän seurauksena tutkijat ovat panostaneet paljon kehittyneen materiaalin luomiseen, joka pystyy tallentamaan, laskemaan ja mukautumaan dataan muuttamatta fyysistä pintaa. Kuitenkin tällaisen rakenteen monimutkaisuudet ovat pysyneet hämärän peitossa.

Molekyylielektroniikka

Tämä halu luoda vielä pienempiä koneita, joilla on enemmän monipuolisuutta, sai molekyylielektroniikan insinöörit yrittämään dokumentoida atomien vuorovaikutuksia ja kvanttitoimintoja lopullisella tavoitteella pystyä ennustamaan nämä tulokset suurella tarkkuudella.

Kuitenkin tämä tehtävä vaikutti mahdottomalta. Se kunnes tässä kuussa tiedeyhteisö julkaisi mullistavan tutkimuksen, jossa osoitettiin, että he pystyivät luotettavasti ennustamaan ja hallitsemaan näitä toimintoja.

Uudelleenkonfiguroitavien tietokoneiden tutkimus

Intian Centre for Nano Science and Engineering (CeNSE) -insinöörit ja -tutkijat ovat juuri kirjoittaneet molekyylielektroniikan käsikirjan uudelleen tutkimuksella “Molecularly Engineered Memristors for Reconfigurable Neuromorphic Functionalities¹”.

Lähde – Advanced Materials

Artikkeli kokoaa yhteen viimeaikaiset edistysaskeleet sähkö-, kemia- ja fysiikkatekniikassa luodakseen nanoskaalan laitteita, jotka voivat säätää kemiallista koostumustaan palvellakseen useita rooleja, kuten muistikomponentteja, loogisia portteja, prosessoreita tai elektronisia synapseja.

Mukautuvat molekyylilaitteet

Tutkimuksen menestys osoittaa, miten kemia voi tehdä enemmän kuin tukea laskentatoimintoja — se voi tarjota ne. Lisäksi tämä mukautuvuus mahdollistaa saman laitteen toimimisen sekä muistiyksikkönä että laskentayksikkönä ilman lisämateriaalia tai fyysisen muodon muutosta.

Ennustava kehys

Yksi ensimmäisistä askelista, jotka insinöörien täytyi ottaa, oli luoda tapa ennustaa, miten kemialliset muutokset vaikuttavat sähköiseen kulkuun. Erityisesti he kehittivät kvanttikemiallisen mallinnusalgoritmin, joka pystyi tarkasti seuraamaan molekyylejä niiden kulkiessa kalvon läpi.

Algoritmi sisälsi paljon muuta olennaista dataa, mukaan lukien miten oksidointi ja reduktio vaikuttivat kuhunkin molekyyliin ja miten ne vuorovaikuttivat kokonaismolekyylimatriisin suhteen. Tätä dataa käytettiin sitten määrittämään molekyylien yleinen vakaus, rekisteröiden kaikki vastaioniin siirtymät reaaliajassa.

Insinöörit, varustettuina ennustavalla algoritmillaan, alkoivat käyttää kytkentäkäyttäytymistä ennustaakseen, miten yksittäinen laite voidaan muuntaa tallennuksesta, laskentatoiminnoista ja muuksi. Algoritmi mahdollistaa insinööreille tarkkaan säätää paikallista molekyylimaailmaa ja molekyylien välistä vuorovaikutusta orgaanisten rutheniumkompleksien avulla.

Memristiiviset vasteet

Käyttäen algoritmia ohjaamaan ponnistuksiaan, tiimi onnistui ohjelmallisesti moduloimaan yksittäistä piiriä. Vaikuttavasti he pystyivät saavuttamaan useita modaliteetteja, mukaan lukien digitaalinen, analoginen, binaarinen ja ternäärinen muisti.

Tämän tehtävän suorittamiseksi heidän täytyi säätää ruthenium-molekyylejä ympäröiviä ligandeja ja ioneja. Tämä mukautuvuus laajeni kattamaan erilaisia johtavuusarvoja, jotka dynaamisesti uudelleenkonfiguroivat kiinteän tilan laitteen ominaisuuksia.

Pyyhkäise vierittääksesi →

Uudelleenkonfiguroitavien tietokoneiden testi

Testatakseen teoriaansa tiedemiehet joutuivat luomaan tarkoitukseen räätälöityjä rutheniumkomplekseja. He rakensivat onnistuneesti 17 tätä tutkimusta varten, mikä mahdollisti heidän seurata hyvin pieniä muutoksia molekyylikonfiguraatiossa ja ioniasetuksissa.

Laitteen valmistusta johti Pallavi Gaur. Gaur raportoi, että laite pystyi vaihtamaan tallennuksen, laskennan ja uudelleenkonfiguroinnin välillä ilman materiaalimuutoksia. Tämä kyky tekee laitteesta paljon lähempänä aivojesi toimintaa, edistäen neuromorfisen laskennan tiedettä.

Uudelleenkonfiguroitavien tietokoneiden testitulokset

Testitulokset vahvistivat insinöörin teorian, että on mahdollista yhdistää muisti ja laskenta samassa materiaalissa. Ne myös osoittivat, miten kemiaa voidaan käyttää laskentojen suorittamiseen eikä vain täydentämään laitteen aktiivisia komponentteja. Tästä syystä tämä työ yhdistää nanolaskennan ja kemiantekniikan teknologian avaten oven pienemmille ja tehokkaammille kvanttilaitteille.

Uudelleenkonfiguroitavien tietokoneiden hyödyt

Uudelleenkonfiguroitavien tietokoneiden tutkimus tuo markkinoille useita etuja. Ensinnäkin se avaa oven nanoskaalan elektroniikalle uudella tasolla. Aikaisemmin nämä laitteet voitiin tehdä vain niin pieniksi, että kaikki luotettavuus menetettiin. Se, että niissä oli liikkuvia osia, teki mahdottomaksi määrittää niiden toimivuutta nanoskaalassa.

Tämä uusi lähestymistapa mahdollistaa kiinteän tilan laitteen suorittaa useita laskentatehtäviä, kuten toimia muistielementtinä, loogisena porttina, valitsimena, analogisena prosessorina tai elektronisena synapsina. Tämä joustavuus auttaa tulevia insinöörejä suunnittelemaan kyvykkäämpiä ja kevyempiä laitteita.

Vähemmän häiriöitä

Tämä rakenne myös vähentää kvanttitulkkauksesta ja muista ongelmista aiheutuvaa häiriötä, kun puhutaan molekyyliskaalan laitteista. Mitä pienempi laite on, sitä enemmän ulkoisista lähteistä tuleva häiriö voi vaikuttaa siihen. Kun yhdistät tämän tosiasian laitteiden miniaturisointiin, on helppo nähdä, miksi tämä lähestymistapa nähdään useimpien mielestä pelin muuttajana.

Lisätty johtavuus

Toinen merkittävä etu on lisätty johtavuus. Puhtaalla piillä ei ole erinomaista johtavuutta eikä eristyskykyä. Siksi siihen täytyy sekoittaa adjektiiveja ja muita kemikaaleja suorituskyvyn parantamiseksi. Tämä uusi suunnittelu tarjoaa enemmän luotettavuutta ja voi tukea paljon suurempaa johtavuutta. Erityisesti tutkijat rekisteröivät kuusinkertaisen suuruusluokan parannuksen.

Uudelleenkonfiguroitavat tietokoneet: Reaaliaikaiset sovellukset & aikajana

Useita sovelluksia uudelleenkonfiguroitaville tietokoneille voisi helpottaa miljoonien ihmisten elämää. Ensinnäkin ne tullaan lopulta käyttämään tekoälysovelluksissa. Tekoälyjärjestelmät vaativat valtavia määriä dataa siirrettäväksi laitteiden ja viitteiden sisällä.

Tällä hetkellä on pieni kuilu laskentalogiikan ja muistin välillä, mikä aiheuttaa viivettä. Kun laskennat kasvavat, tämä viive kasvaa, mikä johtaa hitaampaan laskentaan. Tämä lähestymistapa poistaa tarpeen erottaa logiikka, muisti ja muut keskeiset tehtävät, mahdollistaen yhden laitteen muuntautua välittömästi kuhunkin tarpeen mukaan.

Seuraavan sukupolven lääketieteelliset laitteet

Lääketieteellinen ala on toinen alue, jossa tämä teknologia voisi tehdä merkittävän eron. Implantit ja muut sisäiset yksiköt voitaisiin tehdä pienemmiksi ja vähemmän liikkuvilla osilla. Tämä lähestymistapa tekisi niistä vähemmän väistämättömiä ja tarjoaisi tilaa lisälaskentateholle tarvittaessa.

Uudelleenkonfiguroitavien tietokoneiden aikajana

Saatat joutua odottamaan 7–10 vuotta ennen kuin kohtaat uudelleenkonfiguroitavan tietokoneen. Nämä laitteet ilmestyvät ensin suurempiin tekoälyjärjestelmiin, auttaen vähentämään niiden käyttökustannuksia ja parantamaan tehokkuutta. Kuitenkin on vielä paljon testaus- ja kehitystyötä, sekä sopivan valmistajan löytäminen, joka pystyy valmistamaan nämä laitteet mittakaavassa.

Uudelleenkonfiguroitavien tietokoneiden tutkijat

Uudelleenkonfiguroitavan tietokoneen tutkimuksen koosti tiimi tutkijoita Intian tiedeakatemiasta (Indian Institute of Science). Tutkimusta johti avustava professori Centre for Nano Science and Engineering (CeNSE) -laitoksesta, Sreetosh Goswami.

Tutkimuksen molekyylisynteesiosat suorittivat Pradip Ghosh, Ramanujan Fellow, ja Santi Prasad Rath. Paperissa mainitaan myös Shayon Bhattacharya, Lohit T, Harivignesh S ja Damien Thompson avustajina.

Uudelleenkonfiguroitavien tietokoneiden tulevaisuus

Tutkijoilla on paljon tehtävää. Tällä hetkellä he tutkivat, miten tämä teknologia voidaan integroida nykypäivän CMOS-piirivalmistusstrategioihin. Heidän kokonais tavoitteensa on luoda laitteita, joissa älykkyys on sisäänrakennettu, parantaen suorituskykyä, vakautta ja tehokkuutta.

Sijoittaminen Compute-in-Memory -alueelle

Piirivalmistussektorilla on useita yrityksiä, jotka tarjoavat mielenkiintoisia sijoitusmahdollisuuksia. Näiden yritysten innovatiivisten tuotteiden kysyntä on kasvanut, kun tekoäly ja muut korkean suorituskyvyn laskentajärjestelmät yleistyvät. Tässä on yksi valmistaja, joka on pysynyt piirikuitin teknologian eturintamassa.

GSI Technology (GSIT)

Vaikka yllä oleva tutkimus korostaa molekyylilaskennan tulevaisuutta, GSI Technology kaupallistaa tänään tämän konseptin piipohjaista versiota. GSI on Associative Processing Unit (APU) -teknologian kehittäjä, joka mullistaa tietokoneiden datankäsittelyn suorittamalla laskennat suoraan paikallaan muistitaulussa — konsepti, joka tunnetaan nimellä “Compute-in-Memory” (CIM).

Tämä arkkitehtuuri ratkaisee saman “von Neumann -pullon” (viive, joka aiheutuu logiikan ja muistin erottamisesta), joka mainittiin tutkimuksessa. Poistamalla tarpeen siirtää dataa prosessorin ja RAM-muistin välillä, GSI:n Gemini® APU tarjoaa valtavan kiihdytyksen tekoäly- ja hakutyökuormille.

Viimeaikaiset, Cornellin yliopiston vahvistamat vertailut osoittivat, että GSI:n APU pystyy vastaamaan huippuluokan GPU:iden (kuten NVIDIA A6000) suorituskykyä tietyissä tekoälytehtävissä kuluttaen samalla noin 98 % vähemmän energiaa.

GSI Technologyin pääkonttori sijaitsee Sunnyvalessa, Kaliforniassa, ja se on listattu NASDAQ-pörssissä. Sen säteilykestävät muistituotteet ovat jo vakiintuneet avaruus- ja puolustussektoreilla, tarjoten vakaan tulopohjan, kun se lanseeraa huipputason tekoälypiirejään laajemmalle markkinalle.

Ne, jotka etsivät Pohjois-Amerikassa listattua “puhdasta pelkkää” sijoitusta muistikeskeisen laskennan tulevaisuuteen, tulisi tutkia GSI Technologya. Se edustaa käytännöllistä siltaa perinteisen piin ja tutkijoiden envisionoiman “upotetun älykkyyden” tulevaisuuden välillä.

Uusimmat GSI Technology (GSIT) -uutiset ja suorituskyky

Uudelleenkonfiguroitavat tietokoneet | Yhteenveto

Kyky luoda uudelleenkonfiguroitavia tietokoneita muuttaa kaiken. Tulevaisuudessa laitteesi voivat tulla erittäin luotettaviksi ja kestäviksi, kun kaikki liikkuvat osat korvataan kemiallisilla vuorovaikutuksilla. Lisäksi tämä kyky avaa oven paljon pienemmille ja monimutkaisemmille suunnitelmille, jotka eivät perustu mekaanisiin komponentteihin vaan orgaanisiin kemiallisiin reaktioihin.

Kaikki nämä tekijät ja muut tekijät tekevät uudelleenkonfiguroitavan tietokoneen tutkimuksesta pelin muuttajan, jolla on potentiaali avata uusi laskennan ja tekoälyn integraation aikakausi. Tästä syystä tähän työhön kohdistuu suuri kiinnostus. Tällä hetkellä tiimi keskittyy virtaviivaistamaan valmistusprosesseja ja vähentämään tuotantokustannuksia ja monimutkaisuutta.

Lue muista hienoista laskentakehityksistä täällä.

Lähteet

^{1. Gaur, P., Kundu, B., Ghosh, P., Bhattacharya, S., T, L., S, H., Rath, S. P., Thompson, D., Goswami, S., & Goswami, S. Molekyylisesti suunnitellut memristorit uudelleenkonfiguroitaviin neuromorfisiin toiminnallisuuksiin. Advanced Materials, e09143. https://doi.org/10.1002/adma.202509143}