Yeni bir çalışma, iki ileri nanoteknolojiyi birleştiren yeni bir 3D bilgisayar çipi türünün işlemcilerin hızını ve enerji verimliliğini önemli ölçüde artırabileceğini belirtti.
Günümüzün yongaları hafızayı (veri depolayan) ve mantık devrelerini (veri işleyen) ayırır ve işlemler yapmak için veriler bu iki bileşen arasında ileri geri hareket ettirilir. Ancak, bellek ve mantık devreleri arasındaki sınırlı sayıda bağlantı nedeniyle, bu, özellikle bilgisayarların giderek artan miktarlarda veriyle başa çıkması beklendiği için önemli bir darboğaz haline geliyor.
Daha önce, bu sınırlama, bir çip üzerine sığabilecek transistör sayısının her iki yılda bir iki katına çıktığını ve performansta bir artışla birlikte Moore yasasının etkilerini maskeliyordu. Ancak yonga üreticileri, küçük transistörlerin nasıl alabileceği konusunda temel fiziksel sınırlara ulaştıkça, bu eğilim yavaşladı.
Stanford Üniversitesi ve Massachusetts Teknoloji Enstitüsü'nden mühendisler tarafından tasarlanan yeni prototip çipi, bellek ve mantık devrelerini yan yana değil, üst üste yerleştirerek her iki sorunu da aynı anda ele alıyor.
Araştırmacılar, bunun yalnızca alanı verimli kullanmakla kalmayıp, bileşenler arasındaki bağlantılar için yüzey alanını önemli ölçüde artırdığını belirtti. Geleneksel bir mantık devresi, her bir uçta veri aktarımı için sınırlı sayıda pime sahip olacaktır; aksine, araştırmacılar kenarları kullanmakla sınırlı değildi ve mantık katmanından bellek katmanına uzanan dikey telleri yoğun bir şekilde paketleyebiliyorlardı.
Stanford'da elektrik mühendisliği ve bilgisayar bilimi profesörü olan çalışma lideri Subhasish Mitra, "Ayrı bellek ve bilgi işlemle, bir çip neredeyse çok kalabalık şehirlere benziyor, ancak aralarında çok az köprü var." "Şimdi, bu iki şehri bir araya getirmedik - trafiğin aralarında çok daha verimli geçebilmesi için çok daha fazla köprü inşa ettik."
Bunun üzerine, araştırmacılar, karbon nanotüp transistörlerinden inşa edilen mantık devreleri ve her ikisi de silikon teknolojilerinden çok daha enerji verimli olan dirençli rasgele erişim belleği (RRAM) adı verilen yeni bir teknoloji kullandılar. Bu önemlidir, çünkü veri merkezlerini çalıştırmak için gereken büyük enerji, teknoloji şirketlerinin karşılaştığı bir diğer büyük zorluktur.
Mitra, "Enerji verimliliği açısından hesaplama performansında bir sonraki 1000 kat iyileştirmeyi elde etmek, bu da işleri çok düşük enerjide çalıştırıyor ve aynı zamanda işleri çok hızlı çalıştırıyor, ihtiyacınız olan mimari bu." Dedi.
Araştırmacılar, bu yeni nanoteknolojilerin her ikisinin de geleneksel, silikon tabanlı teknolojiye göre doğal avantajları olsa da, yeni çipin 3D mimarisinin de ayrılmaz olduğunu söyledi.
Günümüzün çiplerinin 2D olmasının nedeni, silikon transistörlerin bir çip üzerine imal edilmesinin, 1.800 dereceden daha fazla sıcaklık gerektirmesi, bu da alt tabakaya zarar vermeden silikon devrelerini üst üste katlamayı imkansız kılıyor. .
Ancak hem karbon nanotüp transistörleri hem de RRAM, 200 ° C'den (392 derece F) daha soğuk bir şekilde üretilir, böylece altta yatan devreye zarar vermeden silikonun üzerine kolayca katlanabilirler. Bu aynı zamanda araştırmacıların yaklaşımını mevcut çip yapma teknolojisi ile uyumlu kılıyor.
Mitra, birçok tabakanın üst üste yerleştirilmesinin potansiyel olarak aşırı ısınmaya yol açabileceğini söyledi, çünkü üst tabakalar çipin tabanındaki ısı emicilerinden uzak olacak. Ancak, bu sorunun mühendisliği nispeten basit olması gerektiğini ve yeni teknolojinin artan enerji verimliliği ilk etapta daha az ısı üretildiği anlamına geldiğini de sözlerine ekledi.
Tasarımının faydalarını göstermek için ekip, çipin üzerine başka bir karbon nanotüp tabanlı sensör katmanı ekleyerek bir prototip gaz dedektörü inşa etti. Dikey entegrasyon, bu sensörlerin her birinin doğrudan bir RRAM hücresine bağlanması ve verilerin işlenme hızını önemli ölçüde artırması anlamına geliyordu.
Daha sonra bu veriler, limon suyu, votka ve bira buharlarını ayırt etmesini sağlayan bir makine öğrenme algoritması uygulayan mantık katmanına aktarıldı.
Mitra, bunun sadece bir gösteri olduğunu ve çipin çok yönlü olduğunu ve mevcut yapay zeka teknolojisini destekleyen veri-ağır, derin sinir ağı yaklaşımlarına çok uygun olduğunu söyledi.
Berkeley'deki Kaliforniya Üniversitesi'nde elektrik mühendisliği ve bilgisayar bilimi profesörü olan Jan Rabaey, araştırmaya dahil olmadığını söyledi.
MIT News, "Bu yapılar, beyin kaynaklı sistemler ve derin sinir ağları gibi öğrenme tabanlı alternatif hesaplama paradigmaları için özellikle uygun olabilir ve yazarların sunduğu yaklaşım kesinlikle bu yönde atılmış ilk adımdır."
