Segmentation-Engineered Ge4Sb6Te7 Switch on SOI Platform for Multilevel Non-Volatile Photonic Neural Inference
Dit artikel demonstreert dat het nieuw ontdekte faseveranderende materiaal (GST-467), wanneer geïntegreerd in een segmentatie-geëngineerde silicon-on-insulator fotonische schakelaar, zeer efficiënte, multi-level niet-vluchtige fotonische neurale inferentie mogelijk maakt met een superieure energie-efficiëntie, optische contrast en classificatienauwkeurigheid vergeleken met bestaande materialen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de hersenen van een computer voor als een bruisende stad waar data het verkeer is. Decennialang is deze stad vastgelopen in een verschrikkelijke verkeersopstopping die bekend staat als de "von Neumann-bottleneck". In dit oude ontwerp bevinden de plek waar data wordt opgeslagen (het geheugen) en de plek waar het wordt verwerkt (de hersenen) zich in verschillende gebouwen. Om werk te verrichten, moet data constant heen en weer reizen tussen deze twee locaties, wat tijd en energie verspilt zoals auto's die stationair draaien in een file. Wetenschappers proberen nu een nieuw soort stad te bouwen waar opslag en denken op dezelfde plek plaatsvinden, een concept dat "in-memory computing" wordt genoemd.
Om deze nieuwe stad snel en koel te laten draaien, wenden onderzoekers zich tot licht in plaats van elektriciteit. Licht kan door minuscule draden razen met bijna geen vertraging en genereert minder warmte. Maar om licht het zware werk van het denken te laten doen, hebben we speciale "verkeerslichten" nodig die kunnen veranderen hoeveel licht er doorheen komt, en ze moeten in die nieuwe positie blijven staan zonder constant stroom nodig te hebben om de deur open te houden. Hier komen "faseveranderende materialen" om de hoek kijken. Denk aan deze materialen als magisch glas dat onmiddellijk kan schakelen tussen transparant (licht doorlaten) en donker (licht blokkeren), en zodra het schakelt, blijft het zo totdat je het vertelt weer te veranderen. De grote vraag is: kunnen we een materiaal vinden dat snel schakelt, zeer weinig energie verbruikt en afgestemd kan worden om tientallen verschillende tinten grijs te creëren, en niet alleen een simpele aan/uit-schakelaar?
Dit artikel introduceert een nieuwe uitdager voor die taak: een materiaal genaamd Ge4Sb6Te7, of afgekort GST-467. De onderzoekers hebben niet simpelweg geraden; ze hebben eerst in een laboratorium exact gemeten hoe dit materiaal met licht interageert. Vervolgens gebruikten ze krachtige computersimulaties om een piepkleine schakelaar op een siliciumchip te ontwerpen die dit materiaal gebruikt. Het geheime ingrediënt in hun ontwerp is "segmentatie". In plaats van één lange strook van het materiaal te gebruiken, hebben ze het in 11 kleine, afwisselende segmenten gehakt, gescheiden door kleine openingen.
De resultaten van hun simulaties zijn zeer veelbelovend. Ze ontdekten dat dit opgehakte ontwerp werkt als een superefficiënte dimmer. Vergeleken met een standaard, niet-gehakte uitvoering, verbeterde hun gesegmenteerde schakelaar een belangrijke prestatiescore met meer dan zeven keer. Het kan licht bijna volledig blokkeren wanneer het "uit" staat (een contrast van 48,36 dB bereiken), terwijl het bijna al het licht doorlaat wanneer het "aan" staat (met een zeer laag verlies). Omdat het materiaal kan worden afgestemd op vele verschillende gradaties van donkerheid, suggereert het team dat deze enkele schakelaar tot wel 48 verschillende waarden, of "toestanden", kan vertegenwoordigen in plaats van slechts een simpele 0 of 1.
Om te zien of dit daadwerkelijk zou werken voor kunstmatige intelligentie, simuleerde het team het gebruik van deze schakelaars als de "gewichten" (de belangrijkheidsinstellingen) in een neuraal netwerk, een type computerbrein. Ze testten dit op twee beroemde uitdagingen voor beeldherkenning: het identificeren van modeartikelen en het herkennen van handgeschreven letters. Het netwerk dat GST-467-schakelaars gebruikte, presteerde beter dan netwerken met andere bekende materialen en behaalde een hoge nauwkeurigheid. Bovendien lieten de simulaties zien dat het schakelen van deze materialen van transparant naar donker (of vice versa) met een laserpuls ongelooflijk weinig energie vereist — minder dan één nanojoule. Dit suggereert dat deze apparaten, indien gebouwd, ongelooflijk snel en energiezuinig zouden kunnen zijn, wat potentieel helpt bij het bouwen van de volgende generatie slimme computers die niet oververhit raken of batterijen leegtrekken. Het is echter belangrijk om op te merken dat deze resultaten momenteel gebaseerd zijn op gedetailleerde computermodellen en laboratoriummetingen van de materiaaleigenschappen, en niet op een volledig gebouwde en geteste chip die een echte toepassing in de praktijk draait.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.