Segmentation-Engineered Ge4Sb6Te7 Switch on SOI Platform for Multilevel Non-Volatile Photonic Neural Inference
Este artículo demuestra que el material de cambio de fase recientemente descubierto (GST-467), al integrarse en un conmutador fotónico de silicio sobre aislante con ingeniería de segmentación, permite una inferencia neuronal fotónica no volátil multinivel altamente eficiente con una eficiencia energética, un contraste óptico y una precisión de clasificación superiores en comparación con los materiales existentes.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina el cerebro de una computadora como una ciudad bulliciosa donde los datos son el tráfico. Durante décadas, esta ciudad ha estado atrapada en un terrible embotellamiento conocido como el "cuello de botella de von Neumann". En este diseño antiguo, el lugar donde se almacenan los datos (la memoria) y el lugar donde se procesan (el cerebro) están en edificios diferentes. Para realizar un trabajo, los datos tienen que viajar constantemente de un lado a otro entre ellos, desperdiciando tiempo y energía como autos parados en un atasco. Los científicos están intentando construir un nuevo tipo de ciudad donde el almacenamiento y el pensamiento ocurran en el mismo lugar, un concepto llamado "computación en memoria".
Para hacer que esta nueva ciudad funcione de forma rápida y fresca, los investigadores están recurriendo a la luz en lugar de la electricidad. La luz puede desplazarse a través de cables diminutos con casi ningún retraso y no genera tanto calor. Pero para hacer que la luz realice el pesado trabajo de pensar, necesitamos "semáforos" especiales que puedan cambiar cuánta luz dejan pasar, y que necesiten mantener esa nueva posición sin requerir energía constante para mantener la puerta abierta. Aquí es donde entran en juego los "materiales de cambio de fase". Piensa en estos materiales como un vidrio mágico que puede cambiar instantáneamente entre ser transparente (dejando pasar la luz) y oscuro (bloqueando la luz), y una vez que cambia, se mantiene así para siempre hasta que le digas que cambie de nuevo. La gran pregunta es: ¿podemos encontrar un material que cambie rápido, use muy poca energía y pueda sintonizarse para crear docenas de diferentes tonos de gris, no solo un simple interruptor de encendido/apagado?
Este artículo presenta a un nuevo contendiente para ese trabajo: un material llamado Ge4Sb6Te7, o GST-467 para abreviar. Los investigadores no solo adivinaron; primero midieron exactamente cómo interactúa este material con la luz en un laboratorio. Luego, utilizaron potentes simulaciones por computadora para diseñar un interruptor diminuto en un chip de silicio que utiliza este material. El ingrediente secreto en su diseño es la "segmentación". En lugar de usar una tira larga del material, lo cortaron en 11 segmentos diminutos y alternos separados por pequeños espacios.
Los resultados de sus simulaciones son bastante prometedores. Encontraron que este diseño segmentado actúa como un interruptor de regulación (dimmer) súper eficiente. Comparado con un diseño estándar no segmentado, su interruptor segmentado mejoró una puntuación de rendimiento clave en más de siete veces. Puede bloquear la luz casi por completo cuando está "apagado" (logrando un contraste de 48.36 dB) mientras deja pasar casi toda la luz cuando está "encendido" (con una pérdida muy baja). Debido a que el material puede sintonizarse para muchos niveles diferentes de oscuridad, el equipo sugiere que este único interruptor podría representar hasta 48 valores diferentes, o "estados", en lugar de un simple 0 o 1.
Para ver si esto realmente funcionaría para la inteligencia artificial, el equipo simuló el uso de estos interruptores como los "pesos" (los ajustes de importancia) en una red neuronal, que es un tipo de cerebro de computadora. Lo probaron en dos desafíos famosos de reconocimiento de imágenes: identificar artículos de moda y reconocer letras escritas a mano. La red que utiliza interruptores de GST-467 funcionó mejor que las redes que utilizan otros materiales conocidos, logrando una alta precisión. Además, las simulaciones mostraron que cambiar estos materiales de transparente a oscuro (o viceversa) usando un pulso láser requiere increíblemente poca energía: menos de un nanojulio. Esto sugiere que, si se construyen, estos dispositivos podrían ser increíblemente rápidos y eficientes energéticamente, ayudando potencialmente a construir la próxima generación de computadoras inteligentes que no se sobrecalientan ni agotan las baterías. Sin embargo, es importante notar que estos resultados se basan actualmente en modelos detallados por computadora y mediciones de laboratorio de las propiedades del material, no en un chip totalmente construido y probado ejecutando una aplicación del mundo real todavía.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.