Memristorit: Laskenta ja muisti yhdessä
Memristorit ovat neljäs piirielementti – vastusten, kondensaattoreiden ja kelojen lisäksi.
Ne voivat muuttaa resistanssiaan sen perusteella, kuinka paljon virtaa niiden läpi on aiemmin kulkenut, mikä mahdollistaa niiden toimimisen sekä muistina että laskentayksikkönä.
Miksi tämä on tärkeää:
- Mahdollistaa laskennan suoraan muistissa
- Vähentää energiankulutusta ja viivettä verrattuna perinteiseen elektroniikkaan
- Mahdollistaa biologisia aivoja jäljittelevät eli neuromorfiset järjestelmät
- Poistaa pilvilaskennan tarpeen monissa tapauksissa
Neuromorfisen laskennan kannalta ei riitä, että on olemassa yksittäisiä memristiivisiä laitteita. Siihen tarvitaan keinotekoisten synapsien verkosto, joka yhdistää neuroneja toisiinsa, samankaltaisesti kuin biologisissa aivoissa. Tällaiset synaptiset verkostot mahdollistavat oppimisen, sopeutumisen ja kuviontunnistuksen itse piirissä, ilman tarvetta pilvipalveluille. Yksittäinen memristori voi toimia suoraan synapsina tällaisessa verkostossa. Tutkimuksemme keskittyy kehittämään materiaaleja ja laitearkkitehtuureja, jotka tekevät tämän mahdolliseksi.
Erikoisuutemme: GCMO
Gd1-xCaxMnO3 on perovskiittioksidimateriaali, joka yhdessä alumiinin kanssa muodostaa memristorin, jolla on:
- Suuri resistanssin vaihtelusuhde (> kaksi suuruusluokkaa)
- Korkea resistanssi myös matalan resistanssin tilassa → vähäiset vuotovirrat
- Analoginen ohjaus ja useat stabiilit vastustilat
- Pinta-alariippuvainen mekanismi →mahdollistaa laitteiden pienentämisen
- Poikkeuksellisen stabiilit resistanssitilat pitkällä aikavälillä
- Muodostumisvapaa toiminta (ei tarvitse alkuperäistä rikkoontumisvaihetta kuten yksinkertaisemmat oksidimemristorit)
- Matalat käyttöjännitteet
Muokkaamalla kasvatusolosuhteita, voimme valmistaa sekä memristorit että neuronit samasta GCMO-materiaalista, mikä mahdollistaa integroitujen neuromorfisten arkkitehtuurien toteutuksen.
Funktionaalisten etujensa lisäksi voimme käyttää ympäristöystävällistä kemiallisen liuoksen valmistusmenetelmää ohutkalvon kasvatukseen, taaten sekä skaalautuvuuden että ympäristöystävällisyyden lähestymistavassamme. Tämä tekee GCMO-pohjaisista memristoreista lupaavia ehdokkaita suurille neuromorfisille systeemeille, jotka integroivat samasta materiaalista valmistetut neuronit ja synapsit samalle piirille.