Joustavia mekaanisia memristoreita

Perinteisen piielektroniikan lähestyessä joustavuuden ja energiatalouden rajojaan, puettavat neuromorfiset järjestelmät vaativat muistilaitteita, jotka taipuvat, venyvät ja kiertyvät suorituskyvyn menettämättä.

Shandongin yliopiston tutkijat – professorit Jialin Mengin ja Tianyu Wangin johdolla – ovat julkaisseet aiheesta kattavan katsauksen Nano-Micro Letters –lehdessä. Siinä analysoidaan systemaattisesti, miten mekaaninen muodonmuutos vaikuttaa joustaviin memristoreihin, ja hahmotellaan suunnittelusääntöjä luotettavalle, aivojen inspiroimalle elektroniikalle.

Katsaus tiivistää systemaattisesti joustavien memristorien materiaalijärjestelmän, kehityshistorian, laiterakenteen, jännityssimuloinnin ja sovellukset.

Se myös korostaa mekaanisten ominaisuuksien kriittistä vaikutusta joustaviin memristoreihin, erityisesti painottaen muodonmuutosparametreja ja elementtimenetelmäsimulointia.

Katsauksessa hahmotellaan myös tulevaisuuden memristorien sovelluksia neuromorfisessa laskennassa sekä seuraavan sukupolven puettavan elektroniikan mahdollisia sovelluksia ja tulevaisuudennäkymiä, joista tässä  muutamia poimittuna.

Puettava CNN (convolutional neural network): Kiekkomittakaavan MoS2 -  matriisit saavuttavat 98 %:n MNIST-tarkkuuden 8 %:n laitevaihtelulla, mikä mahdollistaa, että kangas voi tunnistaa reaaliaikaisesti eleitä.

Multimodaalinen anturin sisäinen laskenta: MXene-ZnO-memristorit yhdistävät kosteus- ja optiset tulot verkkokalvon kaltaista mukautumista varten, mikä vähentää tehonkulutusta 92 % verrattuna erillisiin anturi-/prosessoriketjuihin.

Älykäs terveydenhuolto: Lakanoihin kudotut kuitutyyppiset laitteet antavat sairaalassa tapahtuvista kaatumisista hälytyksiä; neuroproteettiset piilolinssit seuraavat silmänpainetta 0,1 mmHg:n tarkkuudella.

Katsaus kattaa myös aiheen haasteita ja etenemissuunnitelmaa: Massatuotantoa varten on ratkaistava tasainen laaja-alainen 2D-kasvu, CMOS-yhteensopivat matalan lämpötilan prosessit ja vaihtelua sietävät algoritmit; katsauksessa ehdotetaan standardoituja taivutusprotokollia ja avoimia FE-simulointitietokantoja teollisen käyttöönoton nopeuttamiseksi.

Tämä työ luo mekaanisen elinkaaren viitekehyksen, joka yhdistää materiaalifysiikan ja piirisuunnittelun ja tasoittaa tietä joustavalle ja energiatehokkaalle neuromorfiselle laitteistolle reuna-AI:lle biointegroituun robotiikkaan.

Aiheesta aiemmin:

Memristorin mysteeri ratkeaa

Magneettinen kvanttimateriaali ja meminduktori

Kvanttimemristori ja neurolaskennan laajennus