Стремительный рост вычислительной мощности зависит от способности производителей размещать все больше и больше компонентов в одном и том же пространстве кремниевого чипа. Однако этот прогресс сейчас приближается к пределам, ограничиваемый законами физики, поскольку кремний, который долгое время лежал в основе компьютерной индустрии, постепенно подходит к границам своих физических возможностей и необходимо находить новые материалы для производства транзисторов, как потенциальной замены кремниевым полупроводникам.
Веществом, которое ранее прогнозировалось в качестве возможного преемника кремния, является германий. Этот полупроводник обладает значительными преимуществами по сравнению с кремнием - его низкое сопротивление позволяет увеличить тактовую частоту процессоров, не приводя к критическому тепловыделению.
Накопитель на базе сегнетоэлектрических транзисторов способен быть столь же быстрым, как оперативная память, и таким же стабильным, как магнитные жесткие диски. То, что долгое время было чистой теорией, с помощью германия может быть эффективно реализовано. Но на практике существуют препятствия, которые сложно преодолеть.
Одним из долгожданных достижений электроники является сегнетоэлектрический полевой транзистор, или FE-FET. Такие устройства могут не только переключать состояния достаточно быстро, чтобы выполнять вычисления, но также могут сохранять эти состояния при отключении питания, что позволяет им функционировать как долговременное хранилище памяти. Выполняя двойную функцию как ОЗУ, так и ПЗУ, устройства FE-FET позволят создавать микросхемы более компактными и мощными.
Но существуют значительные проблемы при создании серийных устройств FE-FET - материалы, которые лучше всего демонстрируют необходимый сегнетоэлектрический эффект, несовместимы с технологиями массового производства кремниевых компонентов из-за требований к высокой температуре сегнетоэлектрических материалов.
Поскольку AlScN можно наносить при относительно низких температурах, это дает возможность напрямую комбинировать память с логическими транзисторами. Необходимо лишь определить способ интегрирования его с остальной архитектурой чипа.
Исследователи нашли решение в многообещающем двумерном материале, известном как дисульфид молибдена или MoS2. Используя один слой MoS2 в качестве канала для устройства FE-FET на базе AlScN, команда смогла протестировать его скорость переключения и стабильность памяти.
Инженеры разрабатывали концепцию памяти FE-FET еще с 60-х годов, так как эти устройства могли работать, потребляя чрезвычайно малую мощность. Но была проблема как сделать их производство совместимым с процессорами и обеспечить длительный срок службы. При нынешнем развитии технологий, используются 2D-материалы, которые очень тонкие и обладают свойством, что после того, как в них будет записан бит памяти, они могут хранить эту информацию в виде заряда в течение многих лет.
Следующими шагами разработчиков было уменьшение размеров запоминающих устройств. И это им удалось - они продемонстрировали способность производить AlScN толщиной всего 20 нанометров, уменьшая общий размер устройства, а также необходимое напряжение. При этом AlScN сохранил необходимые сегнетоэлектрические свойства даже при уменьшении до такого малого размера.
Кроме того исследователи обнаружили, что AlScN в геометрии устройства с двумя выводами позволяет ему функционировать как устройство памяти, подобное диоду-мемристору.
А диодные мемристоры проще, чем устройства FE-FET, и их даже проще интегрировать в промышленном масштабе, поскольку они требуют меньшего количества компонентов.
Важно, что мемристоры могут быть использованы не только для хранения данных. Существует концепция вычислительных устройств, в которых хранение и обработка информации осуществляется одним и тем же физическим устройством, основанным на мемристорах.
Кроме того, рассматривается возможность применения мемристоров в качестве искусственных синапсов (весовых модулей) нейропроцессоров и искусственных нейросетей. Поведение мемристора напоминает работу биологического синапса (места контакта между двумя нейронами или между нейроном и получающей сигнал клеткой) — чем интенсивнее входной сигнал, тем выше пропускная способность синапса («вес» сигнала). В частности, нейросети на основе мемристоров могут обучаться по биоподобным локальным правилам. Это решение позволит сильно упростить конструкцию нейропроцесора и уменьшить его стоимость, так как хорошо приспособлен для производства на уже имеющихся технологических линиях по производству микросхем.
