Wafer-scale integration of atomically thin metal oxide in memtransistor arrays for artificial neural networks
تُبلغ هذه الورقة البحثية عن التخليق على نطاق رقاقة لأفلام أكسيد القصدير (SnO) المطبوعة من المعدن السائل عالية الجودة ومنخفضة درجة الحرارة، وذلك لإنشاء مصفوفات ترانزستورات ذاكرة (memtransistor) عالية التجانس وذات كفاءة إنتاجية عالية، والتي تحاكي بنجاح اللدونة المشبكية وتؤدي مهام معالجة واستعادة الصور القوية في الشبكات العصبية القائمة على الأجهزة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تتمتع الحواسيب الحديثة بسرعة فائقة في معالجة الأرقام، لكنها تعاني في نوع التعلم والتعرف على الأنماط الذي تقوم به الأدمغة البشرية دون عناء. ويرجع ذلك إلى أن الحواسيب التقليدية تفصل بين ذاكرتها، حيث تُخزن البيانات، وبين معالجاتها، حيث تتم الحسابات. ولحل أي مشكلة، يجب على الآلة نقل المعلومات باستمرار ذهابًا وإيابًا بين هذين المكانين، وهي عملية تستهلك كميات هائلة من الطاقة وتؤدي إلى إبطاء العمل. يحاول العلماء بناء نوع جديد من الحواسيب يحاكي بنية الدماغ، حيث تحدث الذاكرة والحساب في المكان نفسه. وفي الدماغ البشري، يتم ذلك عبر "المشابك العصبية"، وهي الوصلات الصغيرة بين الخلايا العصبية التي يمكن أن تقوى أو تضعف بمرور الوقت لتخزين الذكريات. ولإعادة إنتاج هذا في السيليكون، يطور الباحثون مشابك اصطناعية، وهي أجهزة إلكترونية يمكنها تغيير مقاومتها الكهربائية لمحاكاة كيفية تعلم الروابط البيولوجية. وكان التحدي يكمن في تصنيع هذه الأجهزة بأعداد كبيرة، وباتساق تام، وعند درجة حرارة منخفضة بما يكفي لتكون متوافقة مع خطوط التصنيع المستخدمة في شرائح الكمبيوتر القياسية.
لقد اتخذ فريق من الباحثين الآن خطوة مهمة نحو حل لغز التصنيع هذا من خلال إنشاء مصفوفة ضخمة من هذه المشابك الاصطناعية على رقاقة سيليكون واحدة. وقد ركزوا على مادة محددة: طبقة رقيقة للغاية من أكسيد القصدير، وهي طبقة من أكسيد المعدن لا يتعدى سمكها بضع ذرات. وبينما تعد أكاسيد المعادن واعدة لهذا العمل لأنها تستطيع حبس الشحنات الكهربائية لتخزين المعلومات، إلا أن جعلها موحدة عبر سطح واسع كان أمرًا صعبًا. فغالبًا ما كانت الطرق السابقة تؤدي إلى أفلام تحتوي على ثقوب، أو عدم انتظام في السمك، أو شوائب تسببت في فشل الأجهزة الإلكترونية أو تصرفها بشكل غير متوقع. وكان الباحثون بحاجة إلى طريقة لنمو هذه المادة بسرعة ونظافة دون استخدام الحرارة الشديدة التي قد تتلف الدوائر الدقيقة المبنية بالفعل على الشريحة.
ولتحقيق ذلك، طور الفريق تقنية يسمونها "الطباعة بالمعادن السائلة بمساعدة الكهروستاتيكية". بدأوا بحوض من القصدير المنصهر، وهو معدن يكون سائلًا عند درجات حرارة منخفضة نسبيًا. وبينما كان القصدير يستقر في الهواء، تشكلت على سطحه طبقة رقيقة للغاية من أكسيد القصدير بسمك ذري. قام الباحثون بعد ذلك بمسح هذا السطح السائل بلطف لإزالة أي طبقة أكسيد قديمة ومتسخة، مما كشف عن طبقة طازجة ونظيفة. ثم لمسوا هذا السطح الطازج بعناية مقابل رقاقة سيليكون تبلغ مساحتها بوصتين. وبسبب القوى الكهربائية بين المواد، انفصلت طبقة الأكسيد الرقيقة عن القصدير السائل والتصقت برقاقة السيليكون، تاركة وراءها فيلمًا مثاليًا ومنتظمًا. حدثت هذه العملية برمتها عند درجة حرارة 225 درجة مئوية، وهي درجة حرارة كافية لتكون متوافقة مع الخطوات النهائية لتصنيع الشرائح القياسية. وكانت النتيجة ورقة مستمرة ونقية من أكسيد القلو، تغطي الرقاقة بأكملها، خالية من التجاعيد أو الفجوات.
ومع امتلاك هذا الفيلم عالي الجودة، قام الباحثون ببناء شبكة من 1,024 جهازًا إلكترونيًا فرديًا، مرتبة في مربع 32 في 32. يعمل كل جهاز كـ "مُترانزستور ذاكرة" (memtransistor)، وهو مكون يمكنه تخزين الذاكرة ومعالجة الإشارة في آن واحد. وعندما اختبروا الشبكة بأكملها، وجدوا أن 96.9% من الأجهزة تعمل بشكل مثالي. وهذه نسبة نجاح عالية للغاية، تتجاوز المعايير المطلوبة لتقنيات الذاكرة الحالية. وأظهرت الأجهزة سلوكًا متسقًا عبر الرقاقة بأكملها، مما يعني أن جهازًا واحدًا يؤدي عمله تمامًا مثل جاره. وهذا التوحيد أمر بالغ الأهمية لأنه إذا تباينت الأجهزة كثيرًا، فلن يتمكن الكمبيوتر من التعلم أو التذكر بشكل موثوق. كما وجد الباحثون أن الأجهزة يمكنها الانتقال بين مستويات المقاومة المختلفة بسلاسة كبيرة، مما يسمح لها بتخزين مجموعة واسعة من القيم، تمامًا مثل تباين قوة الروابط في دماغ حقيقي.
ثم وضع الفريق هذه الأجهزة في العمل عبر برمجتها لأداء مهام تتطلب التعلم. أولًا، استخدموا المصفوفة لتعمل كشبكة عصبية تلافيفية، وهي نوع من الذكاء الاصطناعي المستخدم في معالجة الصور. قاموا ببرمجة الأجهزة بأنماط محددة من المقاومة لتعمل كمرشحات يمكنها اكتشاف الحواف في صورة ما، مثل الخطوط العريضة لمبنى أو وجه. وعندما أدخلوا صورة في الأجهزة، قامت الأجهزة بمعالجتها بالتوازي، وكانت المخرجات مطابقة تقريبًا لما ينتجه برنامج كمبيوتر قياسي. تمكنت الأجهزة من استخراج ميزات مثل الخطوط الرأسية، والخطوط الأفقية، والتفاصيل البارزة بدقة عالية، مما أثبت أن الأجهزة الفيزيائية يمكنها التعامل مع العمليات الرياضية المعقدة دون الحاجة إلى معالج تقليدي.
بعد ذلك، اختبر الباحثون قدرة المصفوفة على العمل كشبكة "هوبفيلد" (Hopfield network)، وهي نوع من أنظمة الذاكرة التي يمكنها استرجاع صورة كاملة حتى عند إعطائها نسخة مشوشة أو غير مكتملة منها. قاموا بتخزين عدة صور بسيطة، مثل قميص، في ذاكرة الشبكة باستخدام مجموعة بيانات "Fashion-MNIST". وعندما قدموا للشبكة نسخة مشوهة من هذه الصور، مليئة بالضجيج العشوائي، نجح النظام في إعادة بناء الصور الأصلية الواضحة. وحتى عندما كان الضجيج كثيفًا جدًا، استطاع النظام استعادة الصورة بدقة عالية. وعندما قارنوا هذا الأداء بالأنظمة المشابهة المبنية بأنواع أخرى من تقنيات الذاكرة، كانت أجهزة أكسيد القصدير متفوقة، حيث حافظت على الوضوح في حين أصبحت الأنظمة الأخرى ضبابية أو فشلت. يشير هذا إلى أن الطريقة التي تخزن بها أجهزة أكسيد القصديد هذه المعلومات وتسترجعها هي مستقرة وموثوقة بشكل استثنائي.
يكمن نجاح هذا المشروع في الجمع بين طريقة تصنيع بسيطة ومنخفضة الحرارة وبين الخصائص الفريدة لمادة أكسيد القصدير. فمن خلال استخدام تقنية الطباعة بالمعادن السائلة، تجنب الباحثون الحرارة العالية والعمليات الكيميائية المعقدة التي تحد عادة من حجم وجودة هذه الأجهزة. إن المشابك الاصطناعية الناتجة ليست منتظمة وموثوقة فحسب، بل هي أيضًا قادرة على القيام بالأعمال الشاقة المطلوبة للذكاء الاصطناعي. يوضح هذا العمل أنه من الممكن بناء أنظمة حوسبة ضخمة تحاكي الدماغ باستخدام مواد متوافقة مع مصانع الشرائح الحالية. وبينما لا تزال هذه التكنولوجيا في مرحلة البحث، فإن القدرة على إنشاء مصفوفات كبيرة وعالية الجودة من المشابك الاصطناعية تقرب حلم الحواسيب المستوحاة من الدماغ والموفرة للطاقة من الواقع بشكل كبير.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.