Segmentation-Engineered Ge4Sb6Te7 Switch on SOI Platform for Multilevel Non-Volatile Photonic Neural Inference
Questo articolo dimostra che il materiale a cambiamento di fase di recente scoperta (GST-467), quando integrato in uno switch fotonico silicon-on-insulator a segmentazione ingegnerizzata, consente un'inferenza neurale fotonica non volatile a più livelli altamente efficiente con efficienza energetica, contrasto ottico e accuratezza di classificazione superiori rispetto ai materiali esistenti.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immaginate il cervello di un computer come una città frenetica dove i dati sono il traffico. Per decenni, questa città è rimasta bloccata in un terribile ingorgo noto come "collo di bottiglia di von Neumann". In questo vecchio design, il luogo in cui i dati vengono archiviati (la memoria) e il luogo in cui vengono elaborati (il cervello) si trovano in edifici diversi. Per svolgere il lavoro, i dati devono viaggiare costantemente avanti e indietro tra di essi, sprecando tempo ed energia come auto ferme nel traffico. Gli scienziati stanno ora cercando di costruire un nuovo tipo di città in cui l'archiviazione e il pensiero avvengano nello stesso posto, un concetto chiamato "in-memory computing" (calcolo in memoria).
Per far sì che questa nuova città funzioni velocemente e senza surriscaldarsi, i ricercatori si stanno rivolgendo alla luce invece che all'elettricità. La luce può sfrecciare attraverso fili minuscoli con quasi nessun ritardo e non genera tanto calore. Ma per far sì che la luce faccia il lavoro pesante del pensiero, abbiamo bisogno di speciali "semafori" che possano cambiare quanta luce passa, e devono mantenere quella nuova posizione senza aver bisogno di energia costante per tenere aperta la porta. È qui che entrano in gioco i "materiali a cambiamento di fase". Pensate a questi materiali come a un vetro magico che può passare istantaneamente dall'essere trasparente (lasciando passare la luce) al nero (bloccando la luce), e una volta che cambia, rimane così per sempre finché non gli dite di cambiare di nuovo. La grande domanda è: possiamo trovare un materiale che passi da uno stato all'altro rapidamente, consumi pochissima energia e possa essere regolato per creare decine di diverse sfumature di grigio, non solo un semplice interruttore on/off?
Questo articolo presenta un nuovo contendente per quel compito: un materiale chiamato Ge4Sb6Te7, o GST-467 per brevità. I ricercatori non hanno solo tirato a indovinare; prima hanno misurato esattamente come questo materiale interagisce con la luce in un laboratorio. Poi, hanno utilizzato potenti simulazioni al computer per progettare un minuscolo interruttore su un chip di silicio che utilizza questo materiale. Il ingrediente segreto nel loro design è la "segmentazione". Invece di usare una singola striscia lunga del materiale, l'hanno tagliata in 11 minuscoli segmenti alternati separati da piccoli spazi.
I risultati delle loro simulazioni sono molto promettenti. Hanno scoperto che questo design segmentato agisce come un dimmer super efficiente. Rispetto a un design standard non segmentato, il loro interruttore segmentato ha migliorato un punteggio di prestazione chiave di oltre sette volte. Può bloccare la luce quasi completamente quando è "spento" (raggiungendo un contrasto di 48,36 dB) lasciando passare quasi tutta la luce quando è "acceso" (con una perdita molto bassa). Poiché il materiale può essere regolato su molti diversi livelli di oscurità, il team suggerisce che questo singolo interruttore potrebbe rappresentare fino a 48 valori diversi, o "stati", invece di un semplice 0 o 1.
Per vedere se questo funzionerebbe effettivamente per l'intelligenza artificiale, il team ha simulato l'uso di questi interruttori come "pesi" (le impostazioni di importanza) in una rete neurale, che è un tipo di cervello informatico. Hanno testato il sistema su due famose sfide di riconoscimento di immagini: identificare articoli di moda e riconoscere lettere scritte a mano. La rete che utilizza gli interruttori GST-467 ha ottenuto prestazioni migliori rispetto alle reti che utilizzano altri materiali noti, raggiungendo un'elevata precisione. Inoltre, le simulazioni hanno mostrato che passare questi materiali da trasparenti a scuri (o viceversa) usando un impulso laser richiede un'energia incredibilmente bassa, meno di un nanojoule. Ciò suggerisce che, se costruiti, questi dispositivi potrebbero essere incredibilmente veloci ed efficienti dal punto di vista energetico, aiutando potenzialmente a costruire la prossima generazione di computer intelligenti che non si surriscaldano o scaricano le batterie. Tuttavia, è importante notare che questi risultati si basano attualmente su modelli dettagliati al computer e misurazioni di laboratorio delle proprietà del materiale, non su un chip completamente costruito e testato che esegue un'applicazione del mondo reale.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.