Les dispositifs semi-conducteurs d’IA de nouvelle génération imitent le cerveau humain

Les dispositifs semi-conducteurs d’IA de nouvelle génération imitent le cerveau humain

Une équipe de recherche dirigée par le professeur Kwon Hyuk-jun du département de génie électrique et informatique de la DGIST a développé une technologie de semi-conducteurs d'IA de nouvelle génération qui imite l'efficacité du cerveau humain dans l'IA et les systèmes neuromorphiques.

Les progrès de l’IA ont stimulé une demande croissante de technologies de semi-conducteurs économes en énergie et fonctionnant rapidement. Cependant, les dispositifs informatiques traditionnels avec leur architecture von Neumann et leurs unités de calcul et de mémoire séparées présentent des défauts de vitesse et d'efficacité énergétique associés aux goulots d'étranglement du traitement des données. Par conséquent, la recherche sur les dispositifs neuromorphiques qui imitent les fonctions informatiques et de mémoire simultanées des neurones biologiques attire de plus en plus l'attention.

Dans ce contexte, l'équipe du professeur Hyuk-Jun Kwon a développé des transistors synaptiques à effet de champ utilisant de l'oxyde de hafnium, qui possède de fortes propriétés électriques, et de fines couches de disulfure d'étain. Cela a abouti à un dispositif neuromorphique à trois terminaux capable de stocker plusieurs niveaux de données d'une manière similaire aux neurones.

La recherche a réussi à reproduire des caractéristiques biologiques telles que des propriétés à court et à long terme, produisant ainsi un dispositif très efficace qui réagit 10 000 fois plus rapidement que les synapses humaines et consomme très peu d’énergie.

Le professeur Hyuk-Jun Kwon du Département de génie électrique et d'informatique a déclaré : « Cette recherche marque une étape importante vers une architecture informatique de nouvelle génération, qui nécessite une faible consommation d'énergie et un calcul à grande vitesse. Nous avons développé du matériel neuromorphique haute performance. utilisant des canaux bidimensionnels et de l'oxyde de hafnium ferroélectrique, et l'innovation devrait avoir diverses applications liées à l'IA et à l'apprentissage automatique à l'avenir.

La recherche est publiée dans la revue Science avancée.

Fourni par DGIST (Institut des sciences et technologies de Daegu Gyeongbuk)