Ny typ av datorminne kan avsevärt minska energianvändningen och förbättra prestandan

24 juni 2023 (Nanowerk Nyheter) Forskare har utvecklat en ny design för datorminne som både kan förbättra prestandan avsevärt och minska energikraven från internet och kommunikationsteknik, som förutspås förbruka nästan en tredjedel av den globala elektriciteten inom de kommande tio åren. Forskarna, ledda av University of Cambridge, utvecklade en enhet som bearbetar data på ett liknande sätt som synapserna i den mänskliga hjärnan. Enheterna är baserade på hafniumoxid, ett material som redan används i halvledarindustrin, och små självmonterade barriärer, som kan höjas eller sänkas för att låta elektroner passera. Denna metod att ändra det elektriska motståndet i datorminnesenheter, och låta informationsbehandling och minne existera på samma plats, skulle kunna leda till utvecklingen av datorminnesenheter med mycket större densitet, högre prestanda och lägre energiförbrukning. Resultaten redovisas i tidskriften Vetenskap Förskott ("Tunnfilmsdesign av amorfa hafniumoxidnanokompositer som möjliggör stark gränssnittsresistiv växlingslikformighet"). Vår datahungriga värld har lett till ett ökande energibehov, vilket gör det allt svårare att minska koldioxidutsläppen. Inom de närmaste åren förväntas artificiell intelligens, internetanvändning, algoritmer och andra datadrivna tekniker förbruka mer än 30 % av den globala elektriciteten. "Till stor del beror denna explosion i energibehov på brister i nuvarande datorminnesteknologier", säger första författaren Dr Markus Hellenbrand, från Cambridges institution för materialvetenskap och metallurgi. "I konventionella datorer finns det minne på ena sidan och bearbetning på den andra, och data blandas tillbaka mellan de två, vilket tar både energi och tid." En potentiell lösning på problemet med ineffektivt datorminne är en ny typ av teknik som kallas resistivt omkopplingsminne. Konventionella minnesenheter kan ha två tillstånd: ett eller noll. En fungerande resistiv växlingsminnesenhet skulle emellertid vara kapabel till ett kontinuerligt område av tillstånd – datorminnesenheter baserade på denna princip skulle kunna ha mycket större densitet och hastighet. "Ett typiskt USB-minne baserat på kontinuerlig räckvidd skulle till exempel kunna hålla mellan tio och 100 gånger mer information", sa Hellenbrand. Hellenbrand och hans kollegor utvecklade en prototypenhet baserad på hafniumoxid, ett isolerande material som redan används inom halvledarindustrin. Problemet med att använda detta material för resistiva växlingsminnestillämpningar är känt som enhetlighetsproblemet. På atomnivå har hafniumoxid ingen struktur, med hafnium- och syreatomerna slumpmässigt blandade, vilket gör den utmanande att använda för minnestillämpningar. Men forskarna fann att genom att lägga till barium till tunna filmer av hafniumoxid började några ovanliga strukturer bildas, vinkelrätt mot hafniumoxidplanet, i kompositmaterialet. Dessa vertikala bariumrika "broar" är mycket strukturerade och låter elektroner passera, medan den omgivande hafniumoxiden förblir ostrukturerad. Vid den punkt där dessa broar möter enhetens kontakter skapades en energibarriär som elektroner kan passera. Forskarna kunde kontrollera höjden på denna barriär, vilket i sin tur förändrar kompositmaterialets elektriska motstånd. "Detta tillåter flera tillstånd att existera i materialet, till skillnad från konventionellt minne som bara har två tillstånd," sa Hellenbrand. Till skillnad från andra kompositmaterial, som kräver dyra högtemperaturtillverkningsmetoder, monteras dessa hafniumoxidkompositer själv vid låga temperaturer. Kompositmaterialet visade höga nivåer av prestanda och enhetlighet, vilket gör dem mycket lovande för nästa generations minnestillämpningar. Ett patent på teknologin har lämnats in av Cambridge Enterprise, universitetets kommersialiseringsarm. "Det som är riktigt spännande med dessa material är att de kan fungera som en synaps i hjärnan: de kan lagra och bearbeta information på samma ställe, som våra hjärnor kan, vilket gör dem mycket lovande för de snabbt växande AI- och maskininlärningsområdena," sa Hellenbrand. Forskarna samarbetar nu med industrin för att genomföra större förstudier av materialen, för att tydligare förstå hur de högpresterande strukturerna bildas.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Fordon / elbilar, Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• BlockOffsets. Modernisera miljökompensation ägande. Tillgång här.
• Källa: https://www.nanowerk.com/nanotechnology-news2/newsid=63228.php