|
||||||||||||
НОВОСТИ О ФТОРОПЛАСТАХПодписаться на "Новости о фторопластах" по EmailСоздание интернет вещей возможно с новым типом «мемристоров»Интернет вещей, как мы уже знаем, приходит к нам.
Однако его воплощение в реальность невозможно до тех пор, пока у нас не будет компонентов и чипов, способных справиться с взрывом данных, которые поставляются с интернет вещами. В 2020 году вокруг нас будет уже 50 миллиардов промышленных интернет-датчиков. Автономное устройство – будь то смарт-часы, чистящий робот или автомобиль без водителя - может каждый день получать гигабайты данных, тогда как аэробус может иметь более 10 000 датчиков только в одном крыле! Необходимо преодолеть два препятствия. Во-первых, транзисторы тока в компьютерных микросхемах должны быть миниатюризированы до размеров всего нескольких нанометров. Во-вторых, анализ и хранение беспрецедентных объемов данных потребует одинаково огромного количества энергии. Саяни Маджумдар, академик из университета Аалто, вместе со своими коллегами, разрабатывает технологии для решения обеих проблем. Маджумдар со своими коллегами разработал и создал основные строительные блоки будущих компонентов в так называемом «нейроморфном» компьютере, напоминающим мозг человека. Это область исследований, в которую вкладывают большие инвестиции крупнейшие компании в области информационно-коммутационных технологий в мире, а также и в ЕС. Тем не менее, никто еще не придумал наномасштабную аппаратную архитектуру, которая может быть масштабирована для промышленного производства и использования.
Устройство зондовой станции (полный инструмент, слева и более близкий вид соединения с устройством, справа), который измеряет электрические характеристики основных компонентов для компьютеров, имитирующих мозг человека. Туннельные соединения находятся на тонкой пленке, на подложке. Фото: Тапио Рейнекоски
Основные компоненты для компьютеров, работающих как мозг В своей недавней статье Маджумдар и ее команда показывают, как они создали новый вид «сегнетоэлектрических туннельных соединений», то есть сегментированные тонкопленочные наноразмерные пленки, зажатые между двумя электродами. В основе пленок используется фторсополимер винилиденфторида с трифторэтиленом – P(VDF-TrFE). Туннельные соединения обладают способностями за пределами существующих технологий и хорошо зарекомендовали себя для энергоэффективных и стабильных нейроморфных вычислений. Соединения работают при низком напряжении - менее 5 вольт и с различными материалами электродов, включая кремний, используемый в чипах в большинстве нашей электроники. Они также могут хранить данные более 10 лет без питания и изготавливаться при нормальных условиях. Туннельные соединения до сих пор в основном были сделаны из оксидов металлов и требуют 700 градусов по Цельсию и высокого вакуума при производстве. Сегнетоэлектрические материалы также содержат свинец, который делает их, и все наши компьютеры, - серьезной экологической опасностью.
То, что делает сегнетоэлектрические тонкопленочные компоненты превосходными для нейроморфных компьютеров, — это их способность переключаться между не только бинарными состояниями - 0 и 1, но и большим количеством промежуточных состояний. Это позволяет им «запоминать» информацию, не похожим на наш мозг способом: хранить ее в течение длительного времени с минимальными количествами энергии и сохранять информацию, которую они когда-то получали, даже после выключения и включения такого нейроморфного компьютера снова. Мы больше не говорим о транзисторах, а ведём речь о «мемристорах». Они идеально подходят для расчетов, аналогичных вычислениям в биологических мозгах. Возьмем, к примеру, проект марсохода NASA - Mars 2020 Rover, для составления карты-схемы другой планеты. Чтобы марсоход мог самостоятельно работать и обрабатывать данные, используя только одну солнечную панель в качестве источника энергии, в нем неконтролируемые алгоритмы работы оборудования должны использовать искусственный мозг. «Мы стремимся к тому, чтобы интегрировать миллионы наших мемристорных туннелей в сеть на площади в один квадратный сантиметр. Мы можем рассчитывать на столь большое количество таких пакетов, потому что теперь мы достигли рекордной разницы в токах между включенными и выключенными состояниями с обеспечиванием функциональной стабильности. Мемристоры могут выполнять сложные задачи, такие как распознавание изображений и образов, и принимать решения автономно», - говорит Маджумдар.
Источник: www.sciencedaily.com Posted on 16 Jan 2018 by Павел Захаров
Powered by CuteNews
|
Мы в социальных сетях: |
© 2009 - 2019. Все права защищены. Полное или частичное копирование материалов Ftorpolymer.ru допускается только по согласованию с администрацией сайта. Копирование материалов из раздела "Новости о фторопластах" разрешено при установки активной ссылки на Ftorpolymer.ru |