Les réseaux de memtransistors évolutifs montrent le potentiel de réseaux neuronaux artificiels économes en énergie
Des chercheurs de l'Université nationale de Singapour (NUS) ont fabriqué des réseaux de memtransistors ultra-minces à partir de dichalcogénure de métal de transition (TMDC) bidimensionnel (2D) avec des barrières Schottky contrôlables. Ces réseaux sont très uniformes, démontrent une faible variation d'un appareil à l'autre et offrent des performances élevées pour les tâches de reconnaissance d'images.
Les memtransistors sont des dispositifs électroniques qui intègrent le stockage de données et le traitement du signal dans une seule unité, ce qui les rend attrayants pour l'informatique neuromorphique compacte et économe en énergie. Cependant, les réseaux de neurones artificiels (ANN) pratiques nécessitent de larges réseaux de ces dispositifs, et l'obtention d'un rapport de commutation résistif élevé, d'un comportement cohérent entre les appareils et d'une évolutivité reste un défi.
Dans les matériaux TMDC 2D, les imperfections atomiques du cristal ont tendance à se former de manière aléatoire, affectant l'uniformité et l'évolutivité du dispositif. De plus, le comportement non uniforme de migration des postes vacants exacerbe encore davantage la variabilité significative d'un appareil à l'autre et entraîne un faible rendement de fabrication. Ces effets masquent les mécanismes de commutation sous-jacents et introduisent une grande variabilité des performances au sein de la baie.
Une équipe de recherche dirigée par le professeur Chen Wei du Département de physique et du Département de chimie de la NUS a fabriqué du bisulfure de molybdène ultra-mince (MoS2) des réseaux de transistors memtransistors avec une longueur de canal de 500 nm et une modulation précise de la barrière Schottky démontrée.
En exposant soigneusement des zones sélectionnées à l'oxygène, ils ont créé et contrôlé un petit nombre de lacunes de soufre, ce qui leur a permis d'affiner les barrières de contact afin que l'électricité circule à travers les appareils de manière précise et prévisible. Ce travail de recherche a été réalisé en collaboration avec le Dr Jin Tengyu de l'Université de Shanghai, en Chine.
Les résultats de la recherche sont publiés dans Communications naturelles.
Les memtransistors fabriqués commutent très clairement entre les états « marche » et « arrêt », modifiant le courant électrique d'environ 10 000 fois, et jusqu'à 100 000 fois avec la modulation de grille. La matrice est également extrêmement petite, chaque appareil ayant une longueur de canal de 500 nm et une taille de cellule aussi petite que 4,65 F.2.
Les dispositifs ont fonctionné de manière cohérente sur l'ensemble de la matrice, avec moins de 6,8 % de variation d'un dispositif à l'autre, et le rendement de fabrication peut atteindre 100 %, ce qui indique une uniformité et une fiabilité élevées. Lorsque ces puces sont utilisées pour construire un réseau neuronal artificiel pour les tâches de reconnaissance d’images, elles atteignent une précision de plus de 98 % dans la reconnaissance et la classification des images.
L'un des auteurs, le Dr Hou Xiangyu, a déclaré : « Cette approche de fabrication de memtransistors est également applicable au bisulfure de molybdène et au ditellurure de molybdène exfoliés mécaniquement, indiquant une stratégie de fabrication polyvalente pour la construction de memtransistors TMDC 2D. »
« Pour l'avenir, l'intégration de cette approche avec des techniques de fabrication avancées, un empilement multicouche ou des architectures hybrides CMOS-2D pourrait encore améliorer les performances des appareils et permettre des accélérateurs d'IA à grande échelle et économes en énergie », a ajouté le professeur Chen.
