Perovskiet nanokristallen computercomponenten geïnspireerd op hersencellen

Onderzoekers van Empa, ETH Zürich en de Politecnico di Milano ontwikkelen een nieuw type computercomponent dat krachtiger en gemakkelijker te produceren is dan zijn voorgangers. Geïnspireerd door het menselijk brein, is het ontworpen om grote hoeveelheden data snel en energiezuinig te verwerken.

In veel opzichten is het menselijk brein nog steeds superieur aan moderne computers. Hoewel de meeste mensen niet zo snel kunnen rekenen als een computer, kunnen wij moeiteloos complexe sensorische informatie verwerken en leren van ervaringen, terwijl een computer dat niet kan – althans nog niet. En de hersenen doen dit allemaal door minder dan half zoveel energie te verbruiken als een laptop.

Een van de redenen voor de energie-efficiëntie van de hersenen is de structuur. De individuele hersencellen – de neuronen en hun verbindingen, de synapsen – kunnen zowel informatie opslaan als verwerken. Bij computers is het geheugen echter gescheiden van de processor en moeten gegevens tussen deze twee componenten heen en weer worden getransporteerd. De snelheid van deze overdracht is beperkt, wat de hele computer kan vertragen bij het werken met grote hoeveelheden gegevens.

Een mogelijke oplossing voor dit knelpunt zijn nieuwe computerarchitecturen die zijn gemodelleerd naar het menselijk brein. Daarvoor ontwikkelen wetenschappers zogenaamde memristors: componenten die, net als hersencellen, dataopslag en -verwerking combineren. Een team van onderzoekers van Empa, ETH Zürich en de Politecnico di Milano heeft nu een memristor ontwikkeld die krachtiger en gemakkelijker te vervaardigen is dan zijn voorgangers. De onderzoekers hebben hun resultaten onlangs gepubliceerd in het tijdschrift Wetenschappelijke vooruitgang.

Prestaties door gemengde ionische en elektronische geleidbaarheid

De nieuwe memristors zijn gebaseerd op halogenide perovskiet nanokristallen, een halfgeleidermateriaal dat bekend is uit de productie van zonnecellen. “Halide perovskieten geleiden zowel ionen als elektronen”, legt Rohit John, voormalig ETH Fellow en postdoctoraal onderzoeker aan zowel ETH Zürich als Empa, uit. “Deze dubbele geleidbaarheid maakt complexere berekeningen mogelijk die sterk lijken op processen in de hersenen.”

De onderzoekers voerden het experimentele deel van het onderzoek volledig uit bij Empa: ze vervaardigden de dunnefilm-memristors in het Thin Films and Photovoltaics-laboratorium en onderzochten hun fysische eigenschappen in het Transport at Nanoscale Interfaces-laboratorium. Op basis van de meetresultaten simuleerden ze vervolgens een complexe rekentaak die overeenkomt met een leerproces in de visuele cortex in de hersenen. De taak omvatte het bepalen van de oriëntatie van licht op basis van signalen van het netvlies.

“Voor zover we weten, is dit pas de tweede keer dat dit soort berekeningen is uitgevoerd op memristors”, zegt Maksym Kovalenko, professor aan de ETH Zürich en hoofd van de onderzoeksgroep Functionele anorganische materialen bij Empa. “Tegelijkertijd zijn onze memristors veel gemakkelijker te vervaardigen dan voorheen.” Dit komt omdat, in tegenstelling tot veel andere halfgeleiders, perovskieten kristalliseren bij lage temperaturen. Bovendien vereisen de nieuwe memristors niet de complexe preconditionering door toepassing van specifieke spanningen die vergelijkbare apparaten nodig hebben voor dergelijke computertaken. Hierdoor zijn ze sneller en energiezuiniger.

Aanvullend in plaats van vervangend

De technologie is echter nog niet helemaal klaar voor implementatie. Het gemak waarmee de nieuwe memristors kunnen worden vervaardigd, maakt ze ook moeilijk te integreren met bestaande computerchips: Perovskieten zijn niet bestand tegen temperaturen van 400 tot 500 graden Celsius die nodig zijn om silicium te verwerken – althans nog niet. Maar volgens Daniele Ielmini, professor aan de “Politecnico di Milano”, is die integratie de sleutel tot het succes van nieuwe hersenachtige computertechnologieën.

“Ons doel is niet om de klassieke computerarchitectuur te vervangen”, legt hij uit. “In plaats daarvan willen we alternatieve architecturen ontwikkelen die bepaalde taken sneller en energiezuiniger kunnen uitvoeren. Dit omvat bijvoorbeeld de parallelle verwerking van grote hoeveelheden gegevens, die tegenwoordig overal worden gegenereerd, van landbouw tot verkenning van de ruimte.”

Veelbelovend zijn er andere materialen met vergelijkbare eigenschappen die kunnen worden gebruikt om hoogwaardige memristors te maken. “We kunnen ons memristorontwerp nu testen met verschillende materialen”, zegt Alessandro Milozzi, een promovendus aan de Politecnico di Milano. “Het is heel goed mogelijk dat sommigen van hen beter geschikt zijn voor integratie met silicium.”