开发出解决下一代人工智能半导体信息遗忘问题的技术

首尔科学技术大学6日表示,该校化工生命工程系 Lee Eunho 教授研究团队中,以 Lee Donghwa 学生为第一作者,开发出一种新的电解质设计技术,可在分子层面提升作为人工智能半导体核心基础器件的电解质晶体管的记忆保持性能。

首尔科学技术大学 Lee Eunho 教授研究团队在下一代人工智能半导体研究方面取得的成果,被选为材料科学领域国际学术期刊《Advanced Functional Materials》封面论文。首尔科学技术大学供图

首尔科学技术大学 Lee Eunho 教授研究团队在下一代人工智能半导体研究方面取得的成果,被选为材料科学领域国际学术期刊《Advanced Functional Materials》封面论文。首尔科学技术大学供图

View original image

此次研究最大的特点在于,无需复杂的材料·器件结构变更或高难度工艺,仅通过调控电解质内离子的结构特性及其与有机半导体之间的氢键相互作用,就提出了可改善顽固性信息遗忘问题的分子设计策略。


随着近期人工智能技术不断升级,外界对于提升人工智能模型性能的要求日益增加,认为这不仅需要算法进步,也必须伴随实现这些算法的硬件创新。


现有计算机系统基于运算装置与存储器分离的冯·诺依曼架构,因此会产生巨大的电力消耗和速度下降。为克服这一问题,模仿大脑信号传递方式的神经形态半导体正受到关注,其中,以低功耗承担学习与记忆功能的人工突触器件性能,被视为决定人工智能半导体效率的核心因素。尤其是现有离子型器件在电压移除后,离子容易发生反向扩散,难以长期保存信息,因此,确保记忆保持特性一直是实现真实环境人工智能系统的关键课题。


研究团队首次查明,电解质内阴离子的电荷分布和结构不对称性,是决定其与有机半导体通道相互作用的核心变量。


在固定阳离子结构的条件下,研究团队以具有非对称结构的乙基硫酸根离子取代对称型阴离子并引入电解质后,确认其会与有机半导体表面的甲基形成具有方向性的多重“氢键”。这种分子层面的相互作用即使在电压消失后,也能延缓离子的无序逸出并使其稳定残留,从而大幅增强器件的长期记忆保持能力。研究团队还通过密度泛函理论计算和分子内原子量子理论分析,定量证明了基于氢键的离子稳定化机制。


研究团队确认,离子在有机半导体通道内部稳定捕获的特性,也对器件的电流调控方式产生积极影响,使其在学习过程中具备准确且对称的线性信号强度。这一特性精细模拟了人脑中神经细胞间连接强度逐步且精确调节的生物学习与遗忘机制。在反映新开发材料基础器件特性参数的人工神经网络模拟中,研究团队对手写数字图像进行了学习与分类,结果获得95.17%的高识别准确率,显著高于现有对称型离子基础器件的11.35%,从而证明了其图案识别性能。


此次研究成果在学术和技术层面意义重大,因为它为实现人工智能半导体所要求的高效率、低功耗特性,将此前一直被视为电荷载流子的“电解质离子”提出为独立的材料设计变量。研究团队期待,基于氢键的离子控制策略今后可扩展至存储器件、可穿戴半导体、混合电子器件等多种需要精确离子控制的电化学系统。



此次研究成果已发表于材料科学领域的世界权威期刊《Advanced Functional Materials》,并因研究成果的独创性和优异性获得认可,被选为上月15日刊的封面论文。此外,这项研究还获得了韩国科学技术信息通信部下属韩国研究财团个人基础研究项目的资助。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点