下一代類腦運算  新二維隧道電晶體降低能量需求

編譯／高晟鈞

Banarjee的研究團隊與Intel實驗室的研究人員合作，開發一個超節能類人腦平台，使用基於過渡金屬二硫族化物（Transition metal dichalcogenide）的單層二維材料，製成一隧道場效電晶體（TFET），可以將能量需求降低到比人腦高出2個量級內（約100倍）。

神經型態運算

電腦在能力和潛力方面已經取得了長足進步，不論式儲存和處理數據、預測和通訊能力方面與人腦相比，可謂是有過之而無不及。然而，人類大腦卻在一個方面依舊遠超最先進的電腦好幾個量級：能源效率。

更多新聞: 「凡德瓦力」介面  全堆疊技術突破製程障礙

在執行影像處理和識別等特定任務時，儘管最高效電腦在計算任務中的表現遠超人腦，但能量需求卻比人腦高出約四個量級，即10,000倍。相關資料顯示，單晶片系充電子產品的能源消耗在全球總能源消耗中位居第四，並且在人工智慧應用的推動下，該數值每年呈指數性成長。

類腦神經型態運算（Neuromorphic Computing）透過模仿人腦的結構和操作，已然成為彌補這種能源效率的一種最具前景的方法。儘管這種概念已經存在數十年，卻依舊有著許多難題等著科學家去解決。

漏電流損失

當今傳統電腦大多使用馮諾依曼架構，資料按順序處理，記憶體和處理元件是分開的，並且在整個操作過程中持續消耗電力。對此，Intel與IBM等公司已經開發類腦平台，部署了數十億個互連電晶體，顯著節省了能源。然而，研究人員表示，能源效率仍有提高的空間，其中如何減少「漏電流」就是一個重要課題。

漏電流是電子世界中普遍存在的現象，是指即使電路處於關閉狀態（但仍連接到電源）也會流過電路的少量電流。

解決漏電流的二維隧道電晶體

Banerjee利用二硫族化物所開發的隧道場效電晶體（TFET）展現了較低的斷態電流與亞閾值擺幅（Subthreshold swing, 衡量電晶體開啓與關斷狀態之間相互轉換速率的性能指標）。

目前用於神經型態運算的晶片，大多仍使用傳統的金屬氧化物半導體場效電晶體（MOSFET），雖然具有高通態電流卻也有高斷態洩漏。TFET在整合到神經型態網路時，展現出了比MOSFET甚至是FinFET節能的潛力，將能量需求降低到人類大腦的兩個數量級（約100倍）以內。

TFET目前仍處於實驗階段，但其性能表現有望使其成為下一代類腦計算的新希望。研究團隊現致力於實現這些基於2D-TFET 神經形態電路的三維版本，以提供更好地模擬人類大腦，並擴大其應用於商業的潛力。

資料來源:TechXplore

瀏覽 352 次