Новые мемристоры для IoT могут хранить данные 10 лет

Органическая тонкая пленка, изобретенная специалистами Университета Аалто (Финляндия) может сохранять данные в течение 10 лет, не нуждаясь в питании и работая на низком напряжении. Такие мемристоры, имитирующие человеческий мозг, станут основой будущих компьютеров и интернета вещей.

По оценкам экспертов, в 2020 году вокруг нас будет 50 млрд промышленных датчиков, создающих огромное количество данных ежедневно. Но для того, чтобы интернет вещей заработал, необходимы две вещи: во-первых, нужно уменьшить современные транзисторы до размера нескольких нанометров. Во-вторых, обработка гигантского объема данных потребует сопоставимого количества энергии. Ученый Саджани Маджумдар вместе со своими коллегами из Университета Аалто разрабатывает технологию, которая способна решить обе проблемы.

Маджумдар создает базовые строительные блоки будущих компонентов так называемых «нейроморфных» компьютеров, имитирующих человеческий мозг. Речь идет о новом типе «ферроэлектрических туннельных узлов», то есть ферроэлектрических пленок, расположенных между двумя электродами. Их возможности превышают современные технологии и предвещают энергоэффективные и стабильные нейроморфные вычисления, пишет EurekAlert.

Эти узлы работают при низком напряжении при менее чем 5 вольт и с различными электродами — в том числе, с кремнием. Также они способны хранить данные свыше 10 лет без энергии и могут производиться в обычных условиях, в отличие от нынешних, которые по большей части сделаны из оксидов металлов и требуют 700 градусов Цельсия и вакуума для их производства, к тому же они содержат свинец.

«Наши узлы созданы из органических гидро-углеродных материалов и снижают объем токсичных отходов тяжелых металлов. Мы можем делать тысячу таких узлов в день при комнатной температуре, не беспокоясь о влаге или кислороде в воздухе, — говорит Маджумдар. — Мы собираемся интегрировать миллионы туннельных узлов мемристоров в сеть на площади в один квадратный сантиметр. Для того чтобы добиться такой высокой плотности, мы достигли рекордной разницы в напряжении между открытыми и закрытыми состояниями, и это дало нам функциональную стабильность. Мемристоры могут выполнять сложные задачи вроде распознавания изображений и паттернов и автономного принятия решений».

Специалисты из Мичигана изобрели новый тип нейронной сети на мемристорах, который способен значительно улучшить эффективность систем искусственного интеллекта, сократив процесс обучения, благодаря главной особенности мемристора — возможности не только выполнять логические операции, но и хранить данные.