השפעת מאפייני דופק התכנות על מאפייני עדכון המשקל של טרנזיסטורים סינפטיים איגזו עם מלכודת מטען

חומרת AI חכמה יותר בהשראת המוח

בימינו רוב היישומי בינה מלאכותית פועלים על שבבים דיגיטליים שאוכלים הרבה אנרגיה. המחקר הזה בוחן דרך שונה — שימוש ברכיבים אלקטרוניים מיוחדים שמתנהגים יותר כמו סינפסות מוחיות ויכולים לאחסן למידה ישירות בחומרה. החוקרים מראים כיצד עיצוב מדויק של זמנים של דופקי המתח יכול לגרום להטמעת זיכרון טובה יותר במכשירים זעירים אלה, תוך שימוש באנרגיה מועטה מאוד, צעד לקראת AI יעיל יותר במכשירים ניידים, בחיישנים ובמכשירי קצה.

מפסקים זעירים שלומדים כמו סינפסות

העבודה מתמקדת בטרנזיסטורים דקים עשויים תחמוצת אינדיום-גליום-אבץ אמורפית (IGZO), מוליך-חצי-שקוף שכבר נמצא בשימוש בכמה טכנולוגיות תצוגה. במכשירים אלה, שכבת תחמוצת סיליקן בטמפרטורה נמוכה שמתחת לערוץ מכילה פגמים רבים שיכולים ללכוד ולשחרר אלקטרונים באופן זמני. כל טרנזיסטור מתנהג כסינפסה שהעוצמה שלה נקבעת לפי כמות האלקטרונים שיושבים במלכודות — בדומה לאופן שבו סינפסות ביולוגיות מתחזקות או נחלשות כשהאותות עוברים בין נוירונים. על ידי שליחת רצף דופקי חשמל לשער הטרנזיסטור, הצוות יכול בהדרגה להנמיך או להעלות את הזרם הזורם, תוך חיקוי של שינויי המשקל הסינפטיים במהלך למידה.

כיצד זמן הדופק מעצב זיכרון אלקטרוני

שאלה מרכזית היא כיצד רוחב כל דופק תכנות משפיע על הזיכרון האלקטרוני הזה. המחברים משווים שלוש רוחבי דופק של 1.5, 3 או 6 שניות תוך שמירה קפדנית על תנאים אחרים כגון גובה הדופק, זמן האימון הכולל ומחזור החובה. דופקים קצרים נושאים אנרגיה פחותה, כך שפחות אלקטרונים עוברים למלכודות העמוקות יותר, בעוד שדופקים ארוכים מאוד נותנים יותר זמן למכשיר להירגע או להתאושש במהלך שלבי הקריאה. כאשר לכל שלוש התוכניות יש את אותו זמן כולל של פועלות וכיבוי, המקרה של 3 שניות מניב את ההטיה הגדולה ביותר בין מצבי הסינפסה החלשים והחזקים, כלומר הוא מציע את טווח האחסון השימושי הגדול ביותר למשקלים שנלמדים.

להבחין בין למידה אמיתית להרפיה פשוטה

מכיוון שהטרנזיסטור נוטה להתחכך חזרה למצבו המקורי במהלך הקריאה, הצוות מבצע סדרת ניסויים נוספת כדי להפריד בין ההתאוששות הזו לבין למידה אמיתית. הפעם הם מתקנים את מספר הדופקים ואת זמן ההתאוששות ביניהם, ומתאימים את מחזור החובה כך שדופקים ארוכים יותר עדיין יחולו תחת אותן תנאי קריאה. בהשוואה הוגנת זו, ככל שהדופק ארוך יותר — יותר אלקטרונים נלכדים בחמצון והמכשיר מזדהה עמוק יותר למצב הזיכרון שלו. התוצאה היא יחס דינמי שממשיך לעלות, מדד לכמה ניתן לכוונן את המוליכות של המכשיר, כאשר דופקי 6 השניות נותנים את טווח המשקל הרחב והניתן לשליטה ביותר.

ממכשירים בודדים לזיהוי ספרות בכתב יד

כדי לראות מה המשמעות שלה למחשוב ממשי, החוקרים מזינים את התנהגות המכשיר הנמדדת שלהם לדמות מאיץ AI אנלוגי. הם מדמים רשת עצבית מלאכותית שמזהה ספרות בכתב יד ממאגר MNIST, וחיברו רבים מהטרנזיסטורים הסינפטיים האלה למערך קרוס-בר וירטואלי. מכיוון שהמכשירים פועלים בזרם נמוך מאוד באזור תת-סף, רעש ואפקטי התאוששות יכולים לטשטש את המשקלים המאוחסנים. על אף זאת, הרשת משיגה דיוקי זיהוי של כ־80%, 87% ו־90% עבור רוחבי דופק של 1.5, 3 ו־6 שניות, בהתאמה. ההתאמה הצמודה הזו בין טווח המשקל השימושי לבין דיוק הזיהוי מראה ששיפור בשליטה על לכידת המטען משפר ישירות את איכות הלמידה.

מדוע תכנון דופק חשוב עבור AI עתידי חסכוני באנרגיה

במילים פשוטות, המחקר מראה שטרנזיסטורים חמצוניים אלה זוכרים מידע לפי משך ועוצמת הדופקים שניתנים להם, בדיוק כמו שסינפסה מוחית משתנה בפעילות חוזרת. דופקים קצרים מאוד אינם דוחפים מספיק מטען למצבי זיכרון עמוקים, בעוד שדופקים ארוכים מאוד חייבים להיות מאוזנים מול קצב השכחה של המכשיר במהלך הקריאה. על ידי כוונון גם של רוחב הדופק וגם של תדירות מנוחת המכשיר בין הדופקים, מהנדסים יכולים להרחיב את טווח הזיכרון ולשפר זיהוי דפוסים מבלי להעלות את מתח ההפעלה. התובנה הזו מצביעה על חומרה בהשראת המוח שיכולה להריץ משימות AI ביעילות על ידי אחסון ועדכון ידע ישירות ברשתות רחבות של טרנזיסטורים סינפטיים.

ציטוט: Ko, Y., Ryu, J., Pi, J. et al. Influence of programming-pulse properties on weight-update characteristics of charge-trapping IGZO synaptic transistors. Sci Rep 16, 15031 (2026). https://doi.org/10.1038/s41598-026-44949-9

מילות מפתח: חומרה נורומורפית, טרנזיסטור סינפטי, IGZO, רוחב דופק תכנות, AI אנלוגי