Seuraava alusta aivojen inspiroimalle tietojenkäsittelylle

"Tehokkaimmat tietokoneet tarvitsevat edelleen noin neljä suuruusluokkaa - eli 10 000 kertaa - suuremman energiantarpeen kuin ihmisen aivot tietyissä tehtävissä, kuten kuvankäsittelyssä ja tunnistamisessa, vaikka ne toimivatkin paremmin kuin aivot vaikkapa matemaattisissa laskelmissa", sanoo UC Santa Barbaran sähkö- ja tietokonetekniikan professori Kaustav Banerjee.

Neuromorfinen (NM) laskenta on noussut lupaavaksi tavaksi kuroa umpeen energiatehokkuusvajetta. Matkimalla ihmisaivojen rakennetta ja toimintoja, joissa prosessointi tapahtuu rinnakkain joukolla vähän virtaa kuluttavia neurosoluja, saattaa olla mahdollista lähestyä aivojen kaltaista energiatehokkuutta.

Tutkimusartikkelissa Banerjee ja työtoverit yhdessä Intel Labsin tutkijoiden kanssa ehdottavat tällaista erittäin energiatehokasta alustaa, jossa käytetään 2D siirtymämetallidikalkogenidiin (TMD) perustuvia tunnelikenttävaikutustransistoreita (TFET).

Paperin mukaan nykyiset NM-sirut käyttävät perinteisiä metallioksidi-puolijohde-kenttätransistoreja (MOSFET), joilla on korkea on-state-virta, mutta myös suuri off-state -vuoto. "Koska näiden sirujen tehotehokkuutta rajoittaa off-state -vuoto, lähestymistapamme - käyttämällä tunnelointitransistoreja paljon pienemmällä off-state-virralla - voi parantaa tehokkuutta huomattavasti", Banerjee sanoi.

Pienempien off-state-virtojen lisäksi nyt kehitetyissä 2D TFET:issä on myös matala subthreshold swing (SS), parametri, joka kuvaa kuinka tehokkaasti transistori voi kytkeytyä pois päältä -tilasta päälle-tilaan. Banerjeen mukaan pienempi SS tarkoittaa alhaisempaa käyttöjännitettä sekä nopeampaa ja tehokkaampaa vaihtoa.

Integroituna neuromorfiseen piiriin, joka emuloi neurosolujen laukaisua ja nollausta, TFET:t osoittautuivat energiatehokkaammiksi kuin huipputekniikan MOSFETit, erityisesti FinFETit.

Tutkijoiden mukaan heidän alustansa voi tuoda energiantarpeen kahteen suuruusluokkaan (noin 100 kertaa) suhteessa ihmisen aivoihin.

TFET:t ovat vielä kokeiluvaiheessa, mutta niihin perustuvien neuromorfisten piirien suorituskyky ja energiatehokkuus tekevät niistä lupaavan ehdokkaan seuraavan sukupolven aivojen inspiroimalle laskennalle.

Yhteistyökirjoittajien Vivek De (Intel Fellow) ja Mike Davies (Intelin Neuromorphic Computing Labin johtaja) mukaan "Kun tämä alusta on ymmärretty, se voi nostaa sirujen energiankulutuksen kahteen suuruusluokkaan suhteessa ihmisaivoihin – kun ei huomioida liitäntäpiirien ja muistin tallennuselementtien kulutusta. Tämä on kuitenkin merkittävä parannus nykyiseen verrattuna."

Lopulta näistä 2D-TFET-pohjaisista neuromorfisista piireistä voidaan toteuttaa kolmiulotteisia versioita, jotka mahdollistavat ihmisaivojen entistä läheisemmän emuloinnin, lisäsi Banerjee, joka on yleisesti tunnustettu yhdeksi tärkeimmistä visionääreistä integroitujen 3D-piirien takana, jotka nyt todistavat laajamittaista kaupallista leviämistä.

Aiheesta aiemmin:

Yhtä aikaa analoginen ja digitaalinen

Kaksiulotteisuudella tehostaen

Paremmilla transistoreilla vai peräti ilman