اکسید روی گالیم ایندیم برای ساخت نمایشگر قابل استفاده است

به گزارش گروه دانشگاه خبرگزاری دانشجو، پژوهشگران با استفاده از اکسید روی گالیم ایندیم موفق به ساخت سیناپس نرومورفیکی شدند که می‌تواند در ساخت نمایشگر‌ها استفاده شود.

یک تیم تحقیقاتی در Postech، به سرپرستی یونیانگ چانگ از گروه مهندسی برق و نیمه هادی، سیونگ کیم ازگروه علوم و مهندسی مواد و سئونگمین پارک دانشجوی ی از گروه مهندسی برق، یک دستگاه نیمه هادی AI با کارایی بالا را با استفاده از اکسید روی گالیم ایندیم (IGZO) ساختند، یک نیمه هادی که به‌طور گسترده در نمایشگر‌های OLED استفاده می‌شود. این دستگاه جدید از نظر عملکرد و راندمان انرژی بسیار عالی است.

نتایج این تحقیق در قالب مقاله‌ای با عنوان “سیناپس عصبی خطی و متقارن آنالوگ مبتنی بر ترانزیستور‌های نیمه هادی اکسید فلزی با تک لایه خود مونتاژ شونده برای استفاده در سامانه محاسبات شبکه عصبی با دقت بالا”در نشریه Advanced Electronic Materials منتشر شد.

عملیات کارآمد هوش مصنوعی، مانند موارد ChatGPT، نیاز به محاسباتی در حافظه دارد که مسئول ذخیره اطلاعات است. متأسفانه فناوری‌های نیمه هادی قبلی AI در برآورده کردن تمام الزامات، مانند برنامه‌نویسی خطی و متقارن و یکنواختی، برای بهبود دقت هوش مصنوعی محدود بودند.

این تیم تحقیقاتی اکسید روی گالیم ایندیم را به‌عنوان ماده اصلی برای محاسبات هوش مصنوعی مورد بررسی قرار داد که می‌تواند قابلیت تولید انبوه را داشته و یکنواختی، دوام و دقت محاسبات را افزایش دهد. این ترکیب شامل چهار اتم در یک نسبت ثابت ایندیوم، گالیم، روی و اکسیژن است و دارای خواص جریان الکترون عالی بوده که آن را به صفحه نمایش OLED تبدیل کرده است.

محققان با استفاده از این ماده، یک دستگاه سیناپس جدید متشکل از دو ترانزیستور را که از طریق یک گره ذخیره‌سازی به هم پیوسته‌اند، تهیه کردند. کنترل دقیق سرعت شارژ و تخلیه این گره، نیمه هادی AI را قادر می‌سازد تا معیار‌های متنوع عملکرد مورد نیاز برای عملکرد سطح بالا را برآورده کند.

علاوه بر این، استفاده از دستگاه‌های سیناپسی عصبی در یک سیستم AI در مقیاس بزرگ، نیاز به جریان خروجی دستگاه‌های سیناپسی را به حداقل می‌رساند.

محققان از دستگاه سیناپسی تازه توسعه یافته برای آموزش و طبقه‌بندی داده‌های دستنویس استفاده کردند و به دقت بیش از ۹۸ ٪ دست یافتند، که در آینده کاربرد بالقوه آن را در سیستم‌های هوش مصنوعی با دقت بالا تأیید می‌کند.

چانگ توضیح داد: «اهمیت دستیابی به این نتایج این است که ما بر محدودیت‌های فن‌آوری‌های نیمه‌هادی معمولی که صرفاً بر توسعه مواد متمرکز شده‌اند، غلبه کردیم. برای انجام این کار، ما از موادی قبلاً به تولید انبوه رسیده‌اند، استفاده کردیم. علاوه بر این، ویژگی‌های برنامه نویسی خطی و متقارن از طریق یک ساختار جدید با استفاده از دو ترانزیستور به عنوان یک دستگاه سیناپسی به دست آمده است. بنابراین، توسعه موفقیت‌آمیز ما و کاربرد این فناوری نیمه هادی AI جدید پتانسیل خوبی برای بهبود کارآیی و صحت هوش مصنوعی دارد.»