Reconfigureerbare Computers die Werken als je Hersenen

Ingenieurs van het Indian Institute of Science hebben onlangs een next‑generation computerchip onthuld die in staat is om tussen meerdere computationele taken te schakelen simpelweg door zijn chemische samenstelling te wijzigen. Het nieuwe ontwerp leent zich van het menselijk brein, waardoor de deur wordt geopend voor toekomstige AI‑systemen die niet alleen leren, maar al ingebedde kennis bevatten. Dit is wat je moet weten.

De toekomst van computing ontsluiten vereist out‑of‑the‑box denken. Naarmate chips de theoretische limiet van hun ontwerpen bereiken, moeten nieuwe benaderingen worden geconfigureerd om de rekencapaciteit verder te vergroten.

Chipfabricage

Als het gaat om het ontwikkelen van snellere en kleinere chips om next‑generation elektronische apparaten van stroom te voorzien, wordt silicium gezien als de leidende optie. Dit overvloedige, goedkope halfgeleider biedt acceptabele ladingsmobiliteit, waardoor het zowel als isolator als geleider kan fungeren wanneer het wordt gecombineerd met andere materialen en er een stroom wordt aangelegd.

Bovendien kan geoxideerd silicium (silica) worden gegroeid in dunne vellen die meerlagige circuitontwerpen ondersteunen. Deze mogelijkheid maakt het ideaal voor gebruik in de hedendaagse micro‑ en nano‑elektronica. Er zijn echter enkele ernstige nadelen aan dit materiaal.

Siliciumverwerking kan schadelijk zijn voor het milieu vanwege de gebruikte chemicaliën. Bovendien is het beperkt in zijn vermogen om nano‑elektronica te huisvesten. Apparaten met een poortlengte onder 7 nm kunnen veel interferentie ervaren. Deze onderbrekingen kunnen om verschillende redenen optreden, waaronder signaallekkage en kwantumtunneling.

Nano-elektronica

Nano-elektronica is de volgende stap in miniaturisatie. Deze apparaten, kleiner dan 100 nm, zijn zo klein dat ze gevoeliger zijn voor kwantummechanica dan voor traditionele fysica. Deze interacties kunnen leiden tot interface‑veranderingen en andere niet‑lineaire reacties vanwege de complexiteit van het functioneren op deze schaal.

Neuromorfe Computing

Wanneer je een circuit verkleint tot de nanoschaal, wordt het uiterst moeilijk om te vertrouwen op mechanische processen om taken uit te voeren. Daarom hebben ingenieurs zich gericht op neuromorfe computing‑opties om informatie op te slaan en berekeningen uit te voeren. Deze apparaten zijn gebaseerd op je hersenen.

Neuromorfe computers maken gebruik van oxidematerialen en filamentair schakelen om computationele taken uit te voeren. Deze structuur verkleint simpelweg de huidige benadering van computing om leren na te bootsen. Deze strategie verschilt van het creëren van een apparaat dat van nature al over de gegevens beschikt als onderdeel van zijn structuur.

Daarom hebben wetenschappers veel moeite gestoken in het creëren van een geavanceerd materiaal dat in staat is om gegevens op te slaan, te berekenen en zich aan te passen zonder zijn fysieke oppervlak te wijzigen. De complexiteit van het maken van zo’n structuur blijft echter onontdekt.

Moleculaire Elektronica

Deze wens om nog kleinere machines met meer veelzijdigheid te creëren, leidde moleculaire elektronicus ingenieurs ertoe atomische interacties en kwantumacties te documenteren met het uiteindelijke doel deze uitkomsten met grote nauwkeurigheid te kunnen voorspellen.

Echter, deze taak leek onmogelijk. Tot deze maand, toen een team wetenschappers een baanbrekende studie publiceerde die aantoonde hoe ze deze acties betrouwbaar konden voorspellen en beheersen.

Onderzoek naar Reconfigureerbare Computers

Ingenieurs en wetenschappers van het Centre for Nano Science and Engineering (CeNSE) in India hebben zojuist het handboek voor moleculaire elektronica herschreven met de studie \”Molecularly Engineered Memristors for Reconfigurable Neuromorphic Functionalities¹\”.

Bron – Advanced Materials

Het artikel brengt recente vooruitgangen op het gebied van elektrische, chemische en fysieke engineering samen om nanoschaalapparaten te creëren die hun chemische samenstelling kunnen aanpassen om verschillende rollen te vervullen, waaronder geheugenunits, logische poorten, processoren of elektronische synapsen.

Aanpasbare Moleculaire Apparaten

Het succes van de studie toont aan hoe chemie meer kan doen dan alleen computationele activiteiten ondersteunen — het kan ze zelfs leveren. Bovendien maakt deze aanpasbaarheid het mogelijk dat hetzelfde apparaat zowel als geheugen‑ als rekenunit functioneert zonder extra materiaal toe te voegen of zijn fysieke vorm te wijzigen.

Voorspellend Kader

Een van de eerste stappen die de ingenieurs moesten nemen, was het creëren van een methode om te voorspellen hoe de chemische veranderingen de elektrische transport zouden beïnvloeden. Concreet ontwikkelden ze een kwantum‑chemisch modelleringsalgoritme dat nauwkeurig moleculen kon volgen terwijl ze door de film reisden.

Het algoritme omvatte veel andere relevante gegevens, waaronder hoe oxidatie en reductie elk molecuul beïnvloedden en hoe ze interageerden in relatie tot de algehele moleculaire matrix. Deze gegevens werden vervolgens gebruikt om de algehele stabiliteit van de moleculen te bepalen, waarbij eventuele tegenionverschuivingen in realtime werden geregistreerd.

De ingenieurs, gewapend met hun voorspellende algoritme, begonnen het schakelfenomeen te gebruiken om te voorspellen hoe een enkel apparaat kon worden omgevormd van opslag naar computationele activiteiten en meer. Het algoritme stelt de ingenieurs in staat om de lokale moleculaire omgeving en intermoleculaire interacties nauwkeurig af te stemmen met behulp van organische rutheniumcomplexen.

Memristieve Reacties

Door het algoritme te gebruiken om hun inspanningen te sturen, moduleerde het team met succes programmatisch een enkel circuit. Indrukwekkend waren ze in staat meerdere modaliteiten te realiseren, waaronder digitale, analoge, binaire en tertiaire geheugens.

Om deze taak te volbrengen, moesten ze de liganden en ionen rond de rutheniummoleculen aanpassen. Deze aanpasbaarheid werd uitgebreid om verschillende conductantiewaarden op te nemen die dynamisch de mogelijkheden van het solid‑state apparaat herconfigureren.

Swipe to scroll →

Test van Reconfigureerbare Computers

Om hun theorie te testen, moesten wetenschappers speciaal gebouwde rutheniumcomplexen creëren. Ze hebben er met succes 17 geconstrueerd voor deze studie, waardoor ze minuscule veranderingen in de molecuulconfiguratie en ioninstellingen konden monitoren.

De fabricage van het apparaat werd geleid door Pallavi Gaur. Gaur meldde dat het apparaat kon schakelen tussen opslag, berekening en herconfiguratie zonder materiaalwijzigingen. Deze mogelijkheid brengt het apparaat veel dichter bij de werking van je hersenen, waardoor de neuromorfe computing‑wetenschap vooruit wordt gestuwd.

Resultaten van Test van Reconfigureerbare Computers

De testresultaten bevestigden de theorie van de ingenieur dat het mogelijk is om geheugen en berekening te combineren binnen hetzelfde materiaal. Het toonde ook aan hoe chemie kan worden gebruikt om berekeningen uit te voeren en niet alleen de actieve componenten van een apparaat aan te vullen. Bijgevolg brengt dit werk nanocomputing en chemische engineeringtechnologie samen om de deur te openen voor kleinere en krachtigere kwantumapparaten.

Voordelen van Reconfigureerbare Computers

Er zijn verschillende voordelen die het onderzoek naar reconfigureerbare computers op de markt brengt. Ten eerste opent het de deur voor nanoschaale elektronica op een nieuw niveau. In het verleden konden deze apparaten slechts tot een bepaalde kleinheid worden gemaakt voordat alle betrouwbaarheid verloren ging. Het feit dat ze bewegende delen hadden, maakte het onmogelijk hun bruikbaarheid op de nanoschaal te bepalen.

Deze nieuwe benadering maakt het mogelijk dat een solid‑state apparaat meerdere computationele taken uitvoert, zoals fungeren als geheugenelement, logische poort, selector, analoge processor of elektronische synaps. Deze flexibiliteit zal toekomstige ingenieurs helpen om meer capabele en lichtgewicht apparaten te ontwerpen.

Minder Interferentie

Deze structuur vermindert ook interferentie veroorzaakt door kwantumtunneling en andere problemen bij moleculaire schaalapparaten. Hoe kleiner een apparaat, hoe meer interferentie van externe bronnen het kan beïnvloeden. Wanneer je dit feit combineert met de miniaturisatie van apparaten, is het duidelijk waarom deze benadering door de meesten als een game‑changer wordt beschouwd.

Toegevoegde Conductantie

Een ander groot voordeel is toegevoegde conductantie. Zuiver silicium is geen uitstekende geleider of isolator. Daarom moeten er additieven en andere chemicaliën worden gemengd om de prestaties te verbeteren. Dit nieuwe ontwerp biedt meer betrouwbaarheid en kan veel meer conductantie ondersteunen. Concreet registreerden wetenschappers een verbetering van zes orders van grootte.

Reconfigureerbare Computers: Toepassingen in de Praktijk & Tijdlijn

Verschillende toepassingen voor reconfigureerbare computers kunnen het leven van miljoenen mensen vergemakkelijken. Ten eerste zullen ze uiteindelijk worden gebruikt in AI‑toepassingen. AI‑systemen vereisen enorme hoeveelheden gegevens die binnen apparaten en referenties moeten worden overgedragen.

Momenteel is er een minimale kloof tussen computationele logica en geheugen, wat leidt tot vertraging. Naarmate berekeningen toenemen, wordt deze vertraging groter, wat resulteert in tragere computing. Deze benadering zou de noodzaak om logica, geheugen en andere kernfuncties te scheiden wegnemen, waardoor één apparaat zich onmiddellijk kan omzetten naar elk van deze wanneer nodig.

Volgende Generatie Medische Apparaten

De medische sector is een ander gebied waar deze technologie een groot verschil kan maken. Implantaten en andere interne eenheden kunnen kleiner worden gemaakt en met minder bewegende delen. Deze benadering zou ze minder invasief maken en ruimte bieden voor extra rekenkracht indien nodig.

Tijdlijn van Reconfigureerbare Computers

Het kan 7–10 jaar duren voordat je een reconfigureerbare computer tegenkomt. Deze apparaten zullen eerst verschijnen in grotere AI‑systemen, waardoor hun operationele kosten worden verlaagd en de efficiëntie wordt verbeterd. Er is echter nog veel test- en ontwikkelingswerk nodig, evenals het vinden van een geschikte fabrikant die deze apparaten op schaal kan produceren.

Onderzoekers van Reconfigureerbare Computers

Het onderzoek naar reconfigureerbare computers werd samengesteld door een team van onderzoekers aan het Indian Institute of Science. De studie werd geleid door assistent‑professor aan het Centre for Nano Science and Engineering (CeNSE), Sreetosh Goswami.

De moleculaire synthesedelen van de studie werden voltooid door Pradip Ghosh, Ramanujan Fellow, en Santi Prasad Rath. Het artikel vermeldt ook Shayon Bhattacharya, Lohit T, Harivignesh S en Damien Thompson als bijdragers.

Toekomst van Reconfigureerbare Computers

De onderzoekers hebben hun werk voor de boeg. Momenteel onderzoeken ze hoe deze technologie kan worden geïntegreerd in de huidige CMOS‑chipfabricagestrategieën. Hun algemene doel is om apparaten te maken die van nature ingebedde intelligentie hebben, waardoor prestaties, stabiliteit en efficiëntie worden verbeterd.

Investeren in het Compute-in-Memory Veld

Er zijn verschillende bedrijven in de chipfabricagesector die interessante investeringskansen bieden. Deze bedrijven hebben een groeiende vraag naar hun innovatieve producten gezien, nu AI en andere krachtige computationele systemen steeds meer de norm worden. Hier is één fabrikant die aan de voorhoede van chip‑foundry‑technologie blijft.

GSI Technology (GSIT)

Hoewel de bovenstaande studie de toekomst van moleculaire computing belicht, commercialiseert GSI Technology vandaag de dag de op silicium gebaseerde versie van dit concept. GSI is de ontwikkelaar van de Associative Processing Unit (APU), een technologie die fundamenteel verandert hoe computers gegevens verwerken door berekeningen direct in‑place binnen de geheugenarray uit te voeren — een concept dat bekend staat als “Compute-in-Memory” (CIM).

Deze architectuur pakt dezelfde “von Neumann‑knelpunt” aan die in de studie wordt genoemd (de vertraging veroorzaakt door het scheiden van logica en geheugen). Door de noodzaak te elimineren om gegevens heen en weer te verplaatsen tussen processor en RAM, levert GSI’s Gemini® APU enorme versnelling voor AI‑ en zoekwerkbelastingen.

Recente benchmarks, gevalideerd door Cornell University, bevestigden dat de APU van GSI de prestaties van top‑tier GPU’s (zoals de NVIDIA A6000) kan evenaren voor specifieke AI‑taken, terwijl het ongeveer 98 % minder energie verbruikt.

GSI Technology heeft haar hoofdkantoor in Sunnyvale, Californië, en wordt verhandeld op de NASDAQ. Haar stralingsharde geheugenproducten zijn al een vaste waarde in de lucht- en ruimtevaart- en defensiesectoren, wat een stabiele omzetbasis biedt terwijl ze hun geavanceerde AI‑chips voor de bredere markt uitrollen.

Degenen die op zoek zijn naar een Noord-Amerikaans genoteerde “pure play” op de toekomst van geheugen‑centrische computing, moeten GSI Technology onderzoeken. Het vormt een praktische brug tussen traditioneel silicium en de “ingebedde intelligentie” toekomst die door onderzoekers wordt voorgesteld.

Laatste GSI Technology (GSIT) Nieuws en Prestaties

Reconfigureerbare Computers | Conclusie

Het vermogen om reconfigureerbare computers te creëren verandert alles. In de toekomst kunnen je apparaten superbetrouwbaar en duurzaam worden, omdat alle bewegende delen worden vervangen door chemische interacties. Bovendien opent deze mogelijkheid de deur naar veel kleinere en complexere ontwerpen die niet afhankelijk zijn van mechanische componenten, maar van organische chemische reacties.

Al deze factoren en meer maken het onderzoek naar reconfigureerbare computers een game‑changer met het potentieel om een nieuw tijdperk van computing en AI‑integratie in te luiden. Daarom is er veel belangstelling voor dit werk. Voorlopig zal het team zich richten op het stroomlijnen van fabricageprocessen en het verlagen van productiekosten en complexiteit.

Leer meer over andere coole computationele ontwikkelingen hier.

Referenties

^{1. Gaur, P., Kundu, B., Ghosh, P., Bhattacharya, S., T, L., S, H., Rath, S. P., Thompson, D., Goswami, S., & Goswami, S. Molecularly Engineered Memristors for Reconfigurable Neuromorphic Functionalities. Advanced Materials, e09143. https://doi.org/10.1002/adma.202509143}