Uut tüüpi 3D-kiip, mis ühendab endas kaks tipptasemel nanotehnoloogiat, võiks töötlejate kiirust ja energiatõhusust järsult suurendada, teatas uus uuring.
Tänapäevased kiibid eraldavad mälu (mis salvestab andmeid) ja loogikalülitusi (mis töötlevad andmeid) ning toimingute tegemiseks suunatakse andmed nende kahe komponendi vahel edasi-tagasi. Kuid mälu ja loogikalülituste vahelise piiratud arvu tõttu on see muutumas oluliseks kitsaskohaks, eriti seetõttu, et arvutid peaksid eeldatavasti hakkama saama üha suureneva andmemahuga.
Varem oli see piirang varjatud Moore'i seaduse mõjuga, mis ütleb, et kiibile mahuvate transistoride arv kahekordistub iga kahe aasta tagant koos sellega kaasneva jõudluse suurenemisega. Kuid kuna kiibitootjad jõuavad väikeste transistoride saamise põhilistele füüsilistele piiridele, on see trend aeglustunud.
Stanfordi ülikooli ja Massachusettsi tehnoloogiainstituudi inseneride konstrueeritud uus prototüüpkiip lahendab mõlemad probleemid üheaegselt, asetades mälu ja loogikalülitused üksteise peale, mitte üksteise kõrvale.
See mitte ainult ei kasuta tõhusalt ruumi, vaid suurendab dramaatiliselt ka komponentidevaheliste ühenduste pindala, ütlesid teadlased. Tavalisel loogikalülitusel oleks mõlemal serval piiratud arv kontakte andmete edastamiseks; seevastu teadlased ei piirdunud servade kasutamisega ja nad suutsid tihedalt pakkida vertikaalsed juhtmed, mis kulgevad loogikakihist mälukihti.
"Eraldi mälu ja arvuti abil on kiip peaaegu nagu kaks väga asustatud linna, kuid nende vahel on väga vähe sildu," rääkis uuringu juht Subhasish Mitra, Stanfordi elektrotehnika ja arvutiteaduse professor Live Science'ile. "Nüüd pole me neid kahte linna lihtsalt kokku viinud - oleme ehitanud palju rohkem sildu, et liiklus saaks nende vahel kulgeda palju tõhusamalt."
Lisaks kasutasid teadlased süsiniknanotorude transistoridest konstrueeritud loogikalülitusi koos tärkava tehnoloogiaga, milleks on takistuslik juhusliku juurdepääsuga mälu (RRAM), mis mõlemad on palju energiatõhusamad kui ränitehnoloogiad. See on oluline, kuna andmekeskuste käitamiseks vajalik tohutu energia on veel üks suur väljakutse tehnoloogiaettevõtetele.
"Järgmise 1000-kordse paranduse saavutamiseks arvutustehnoloogias energiatõhususe osas, mis paneb asjad kulgema väga madala energiatarbimisega ja samal ajal paneb asjad käima tõesti kiiresti, on see teie jaoks vajalik arhitektuur," ütles Mitra.
Ehkki mõlemal neist uutest nanotehnoloogiatest on tavalise ränil põhineva tehnoloogiaga võrreldes eeliseid, on need ka uue kiibi 3D-arhitektuuris lahutamatud, ütlesid teadlased.
Tänapäeva kiibid on 2D-d sellepärast, et räni transistoride valmistamiseks kiibile on vaja temperatuuri üle 1800 kraadi Fahrenheiti (1000 kraadi Celsiuse järgi), mis muudab võimatuks räniahelate üksteise peale kihti kahjustada, ilma et see põhjakihti kahjustaks, ütlesid teadlased .
Kuid nii süsinik nanotorude transistorid kui ka RRAM on valmistatud jahedama temperatuuriga kui 392 kraadi F (200 kraadi C), nii et neid saab hõlpsalt ränikihile kihti panna, ilma et see kahjustaks nende aluseks olevat vooluahelat. See muudab teadlaste lähenemisviisi ühilduvaks ka praeguse kiibi valmistamise tehnoloogiaga, ütlesid nad.
Mitra kihi üksteise peale virnastamine võib potentsiaalselt põhjustada ülekuumenemist, ütles Mitra, kuna pealmised kihid asuvad kiibi põhjas olevatest jahutusvajumitest kaugel. Kuid ta lisas, et see probleem peaks olema inseneri jaoks suhteliselt lihtne ja uue tehnoloogia suurem energiatõhusus tähendab, et esiteks toodetakse vähem soojust.
Selle disaini eeliste demonstreerimiseks ehitas meeskond gaasi detektori prototüübi, lisades kiibi peale veel ühe kihi süsiniknanotorul põhinevaid andureid. Vertikaalne integratsioon tähendas, et igaüks neist anduritest oli otse ühendatud RRAM-lahtriga, suurendades dramaatiliselt andmete töötlemise kiirust.
Seejärel viidi need andmed loogikakihti, mis rakendas masinõppe algoritmi, mis võimaldas eristada sidrunimahla, viina ja õlle aurusid.
See oli Mitra sõnul vaid demonstratsioon ning kiip on väga mitmekülgne ja sobib eriti hästi sellist tüüpi andmemahukate sügavate närvivõrkude lähenemisviisidele, mis toetavad praegust tehisintellekti tehnoloogiat.
California Berkeley ülikooli elektrotehnika ja arvutiteaduse professor Jan Rabaey, kes uuringuga ei tegelenud, ütles, et on sellega nõus.
"Need struktuurid võivad olla eriti sobivad alternatiivsete õppimispõhiste arvutusparadigmade jaoks, nagu aju inspireeritud süsteemid ja sügavad närvivõrgud, ning autorite esitatud lähenemisviis on kindlasti suurepärane esimene samm selles suunas," ütles ta MIT News'ile.
