Clear Sky Science · pl

Dwukierunkowy wysoce nieliniowy analogowy memrystor oparty na tunelowaniu między pasmami dla niezawodnej pracy w macierzach krzyżowych

· Powrót do spisu

Dlaczego nowa pamięć ma znaczenie

Za każdym razem, gdy używasz telefonu lub komputera, informacje są nieustannie przesyłane między procesorem wykonującym obliczenia a pamięcią przechowującą dane. Ten korek, znany nieformalnie jako wąskie gardło danych, marnuje czas i energię. Badania opisane w tym artykule dotyczą niewielkiego elementu elektronicznego zwanego memrystorem, który jednocześnie może przechowywać dane i pomagać w wykonywaniu obliczeń wewnątrz samej pamięci. Poprzez przeprojektowanie zachowania tych urządzeń w dużych układach autorzy dążą do uczynienia przyszłego sprzętu sztucznej inteligencji szybszym, bardziej efektywnym energetycznie i prostszym w produkcji.

Figure 1
Figure 1.

Z korka do wbudowanych skrótów

Tradycyjne komputery oddzielają obliczenia od pamięci, zmuszając informacje do pokonywania długich „dróg” na układzie scalonym. W miarę jak zadania wymagające dużych ilości danych — takie jak sztuczna inteligencja, inteligentne czujniki i urządzenia brzegowe — rosną, to podróżowanie tam i z powrotem staje się poważnym ograniczeniem. Memrystory — malutkie elementy, których oporność elektryczna może być nastawiana i zapamiętywana — oferują sposób na przeniesienie części obliczeń bezpośrednio do samej siatki pamięci. W układzie krzyżowym, gdzie wiele przewodów się przecina, a memrystor znajduje się na każdym przecięciu, duże bloki obliczeń można wykonywać równolegle. Jednak gdy wiele takich elementów jest upakowanych blisko siebie, niepożądane efekty podczas zapisu i odczytu — takie jak zakłócenia napięciowe w sąsiednich komórkach i prądy upływu po niezamierzonych ścieżkach — mogą uszkadzać dane, chyba że każdy memrystor jest sparowany z dodatkowym elementem „selekcyjnym”, co zwiększa złożoność i koszty.

Samowybierająca się komórka pamięci

Autorzy proponują pojedyncze urządzenie, które próbuje samo rozwiązać problemy na poziomie macierzy. Ich memrystor wykorzystuje warstwową „kanapkę” materiałów — platynę i dwa tlenki metali, tlenek niklu (p‑typ) i tlenek cynku (n‑typ) — ułożone symetrycznie jako Pt/p‑NiO/n‑ZnO/p‑NiO/Pt. Dzięki sposobowi, w jaki te tlenki są elektronicznie dopasowane, urządzenie naturalnie stawia opór prądowi przy niskich napięciach, ale pozwala mu gwałtownie rosnąć po przekroczeniu określonego progu „włączenia”. Co istotne, ta silna nieliniowość występuje zarówno dla napięć dodatnich, jak i ujemnych, więc ta sama komórka może być zapisywana, kasowana i odczytywana w obu kierunkach bez oddzielnego elementu selekcyjnego. Jednocześnie memrystor zachowuje się w sposób analogowy: jego przewodność może być płynnie regulowana w przybliżeniu na dwóch rzędach wielkości za pomocą impulsów napięciowych, zamiast przełączania się tylko między prostymi stanami włączonym/wyłączonym.

Jak drobne warstwy wykonują swoją pracę

Aby zrozumieć, co to umożliwia, zespół szczegółowo odwzorował krajobraz energetyczny wewnątrz warstwowego stosu. Pomiary funkcji pracy i przerwy energetycznej wykazały, że złącze tlenku niklu/tlenku cynku tworzy niewielkie przesunięcie między górą jednego pasma energetycznego a dnem drugiego. Przy niskim napięciu płynie tylko mały, niemal omowy prąd. Gdy napięcie stanie się wystarczająco duże, elektrony zaczynają „tunelować” bezpośrednio ze stanów zapełnionych jednej warstwy do pustych stanów drugiej — efekt podobny do tego w diodach Zenera. To tunelowanie między pasmami powoduje gwałtowny wzrost prądu. Na to dodatkowo wpływają jony tlenu wewnątrz tlenków, które przemieszczają się pod wpływem pola elektrycznego. Ich ruch subtelnie zmienia stopień domieszkowania poszczególnych warstw i przesuwa próg tunelowania, dając wbudowany sposób stopniowego dostrajania przewodności za pomocą polaryzacji napięcia i historii impulsów.

Figure 2
Figure 2.

Sprawienie, by duże siatki działały poprawnie

Wyposażeni w szczegółowe dane prąd‑napięcie z wielu urządzeń, naukowcy zasymulowali, jak ten memrystor zachowywałby się w dużych macierzach krzyżowych. Podczas operacji zapisu tylko jedna komórka ma otrzymać pełne napięcie, podczas gdy komórki sąsiednie widzą mniej więcej połowę tej wartości. Ponieważ nowe urządzenie przewodzi bardzo mały prąd przy połowie napięcia zapisu, te „pół‑wybrane” komórki doświadczają znikomej, niezamierzonej zmiany, poszerzając bezpieczne okno operacyjne. Podczas odczytu głównym problemem są „ścieżki podstępne” (sneak‑path), które wiją się przez sąsiednie komórki i zacierają różnicę między stanami o wysokiej i niskiej rezystancji. Silna nieliniowość przy wybranym napięciu odczytu zdecydowanie tłumi te prądy upływu. Korzystając z modeli układów, autorzy pokazują, że przy zoptymalizowanym rezystorze podciągającym macierze o rozmiarze rzędu 1 200 na 1 200 komórek nadal mogłyby niezawodnie rozróżniać zapisane stany bez zewnętrznych elementów selekcyjnych.

Obietnice i kolejne kroki

W praktyce praca ta wskazuje drogę do układów pamięci, które mogą upakować miliony samowybierających się memrystorów w gęste, trójwymiarowe siatki, wykonując obliczenia w stylu sieci neuronowych tam, gdzie znajdują się dane, zamiast ciągnąć je do odległych procesorów. Demonstrowane urządzenie już obsługuje wiele stabilnych poziomów przewodności i wykazuje dobrą wydajność w symulowanych zadaniach rozpoznawania wzorców, choć nadal potrzebne są dalsze ulepszenia — takie jak obniżenie napięć roboczych i potwierdzenie zachowania w macierzach na skalę nanometryczną. Dla czytelnika ogólnego kluczowy przekaz jest taki, że poprzez staranne inżynierowanie ruchu atomów i elektronów wewnątrz pojedynczego, maleńkiego komponentu, możliwe może być uproszczenie całej architektury przyszłego sprzętu AI, czyniąc go szybszym i bardziej energooszczędnym.

Cytowanie: Chung, P.H., Ryu, J., Seo, D. et al. Bidirectional highly nonlinear analog memristor based on band-to-band tunneling for reliable crossbar array operation. npj Unconv. Comput. 3, 19 (2026). https://doi.org/10.1038/s44335-026-00065-5

Słowa kluczowe: memrystor krzyżowy, przetwarzanie w pamięci, sprzęt neuromorficzny, nieliniowe urządzenia pamięci, tunelowanie między pasmami