Le scientifique discute du développement de synapses artificielles qui imitent le fonctionnement du cerveau humain pour les puces AI de nouvelle génération
La série Emerging Investigator par le Journal Horizons de matériaux propose un travail exceptionnel de jeunes chercheurs dans le domaine de la science des matériaux. Dans le dernier éditorial, le Dr Eunho Lee, professeur adjoint de génie chimique et biomoléculaire à l'Université nationale des sciences et de la technologie de Séoul, République de Corée, où il dirige les semi-conducteurs et appareils fonctionnels, discute et explique sur son document de recherche sur la série émergente par la série de la série d'investigateurs.
Le Dr Explique le Dr Lee: « Nos recherches montrent un moyen simple de rendre la prochaine vague de matériel d'IA plus efficace en améliorant les transistors organiques à base d'électrolytes, qui sont des appareils à basse tension doux qui ont des signaux de traitement avec des ions ainsi que des électrons. Un bouteille de longueur de longue date a été de l'efficacité de dopage: comment les ions peuvent être effectivement en train de faire le canal polymère pour changer le dispositif. Attirer et guider les ions, comme les «poignées» moléculaires et les «voies», conduisant à une absorption d'ions plus rapide et plus profonde. «
Les matériaux développés par le Dr Lee et son équipe indiquent des utilisations pratiques dans les interfaces matérielles et bio-basées sur l'IA. Du côté de l'IA, les transistors organiques à base d'électrolytes avec un dopage basé sur la diffusion peuvent fonctionner comme des synapses analogiques pour les co-processeurs ultra-faibles en matière de portables, de caméras et de nœuds IoT, permettant une énergie toujours sur la détection, un prétraitement dans le capot et un apprentissage adaptatif avec une énergie minimale. Les mêmes règles de conception prennent également en charge l'intégration hybride avec les CMOS afin que les réseaux de mémoire analogique compacts réduisent le mouvement et la latence des données.
Du côté de la biologie, le fonctionnement doux et adapté aux ions est bien adapté aux environnements cutanés et tissulaires, suggérant des interfaces bioélectroniques stables pour les thérapies en boucle fermée et les biocapteurs électrochimiques qui non seulement détectent les biomarqueurs mais classent également les modèles localement. Au-delà de la santé, ces appareils pourraient soutenir les moniteurs environnementaux pour la qualité de l'eau et les diagnostics de point de service qui combinent une lecture électrochimique avec un petit apprentissage embarqué. En bref, le contrôle du mouvement des ions au niveau moléculaire permet des systèmes plus sûrs et à basse tension qui apprennent au bord.
« À plus long terme, la capacité de contrôler le mouvement des ions dans les semi-conducteurs souples pourrait remodeler comment et où nous exécutons l'IA, et comment l'électronique touche la vie quotidienne. Dans cinq ans, nous pouvons voir des appareils portables et domestiques qui apprennent localement à une très faible tension, ce qui signifie que les motifs de la santé sont plus riches et de la confidentialité pour une analyse adaptative, les produits de santé et de bien-être pourraient se déplacer au-de En temps réel, « remarque le Dr Lee.
Dans une décennie, les mêmes principes des matériaux pourraient sous-tendre les interfaces humaines et les moniteurs environnementales douces qui fonctionnent de manière fiable dans des conditions humides ou biologiques, permettant un suivi continu de la qualité de l'eau dans les communautés et des bio-interfaces plus sûres pour la réhabilitation et les technologies d'assistance. Étant donné que ces polymères sont transformables en solution, il existe également un chemin vers la fabrication évolutive et le coût inférieur, ce qui peut élargir leur accès.
Dans l'ensemble, la nouvelle règle de conception établie par l'équipe de Séoultech dirigée par le Dr Lee, à savoir la taille des chaînes latérales pour le transport ionique de direction, offre une stratégie générale pour le matériel adaptatif économe en énergie qui complète le silicium numérique. S'il est possible de maintenir la stabilité et la fabrication tout en augmentant, cette approche pourrait réduire l'empreinte énergétique de l'IA, garder les données sensibles locales et rendre les systèmes intelligents plus confortables et plus largement disponibles.
