Un transistor basado en redox como sistema de reserva para computación neuromórfica

- Publicidad -

Investigadores de la Universidad de Ciencias de Tokio y el Instituto Nacional de Ciencias de los Materiales han utilizado reacciones redox para desarrollar un transistor activado por iones con estados de depósito mejorados y memoria a corto plazo.

Los reservorios son sistemas físicos que imitan las redes neuronales, satisfaciendo la necesidad de mejorar la velocidad y la eficiencia computacional. Los problemas con tales problemas del sistema de reservorio incluyen compatibilidad y rendimiento.

Investigadores de la Universidad de Ciencias de Tokio (TUS) y el Instituto Nacional de Ciencias de los Materiales (NIMS) de Japón han desarrollado un transistor de activación iónica que utiliza reacciones redox para exhibir estados de depósito mejorados y capacidades de memoria a corto plazo. Este avance allana el camino para la explotación potencial de dispositivos iónicos basados ​​en redox en computación neuromórfica de alto rendimiento. Los investigadores estudian el reconocimiento de patrones y relaciones complejos en los datos para desarrollar un poderoso procesamiento de datos "neuromórfico". El enfoque imita el procesamiento paralelo y la interconexión del cerebro para construir una red que convierte los datos en representaciones de alta dimensión para tareas como el reconocimiento de patrones, la predicción y la clasificación.

Los reservorios físicos, similares a las redes neuronales, interactúan dinámicamente con las señales de entrada, las neuronas y las conexiones que están sujetas a cambios basados ​​en el tiempo. Los estados del depósito, que son críticos para convertir las señales de entrada en representaciones de alta dimensión, plantean un desafío para lograr una dimensionalidad suficiente y muchos estados. Los depósitos activados por iones usan electrodos y un electrolito para controlar el flujo de iones. La aplicación de un voltaje al electrodo de puerta desencadena una reacción redox que modula la corriente de drenaje. Al convertir conjuntos de datos de series temporales en voltajes de compuerta, se generan diferentes estados del depósito en función de las corrientes de salida correspondientes.

Los investigadores utilizaron cerámica de vidrio conductora de iones de litio (LICGC) como electrolito. LICGC permite un movimiento de iones Li+ más rápido y crea dos corrientes, drenaje y compuerta, que duplican el estado del depósito. Las diferentes tasas de transporte de iones en el canal y el electrolito dan como resultado una respuesta de corriente de drenaje retrasada en comparación con la corriente de puerta, lo que permite la memoria a corto plazo para el almacenamiento y la utilización de información en depósitos físicos. Los investigadores recubrieron una película de LiCoO2 de 200 nm de espesor para fabricar el dispositivo sobre un sustrato LICGC de 0,15 mm de espesor. El electrodo de puerta era una película delgada de Li-Ion/Pt, mientras que las películas de Pt eran electrodos de drenaje y fuente. El canal que conectaba el drenaje y la fuente tenía una película delgada WO3 de 100 nm de espesor.

El dispositivo logró 40 estados de depósito, superando a los memristores y dispositivos de torsión de espín en la resolución de ecuaciones dinámicas no lineales de segundo orden. La no linealidad del dispositivo, la memoria y los grandes estados de depósito dieron como resultado un error de predicción cuadrático medio bajo (0,163) en la tarea NARMA2, un punto de referencia para operaciones no lineales complejas y predicción de series temporales.

Referencia: Tomoki Wada et al., Un reservorio de compuerta iónica basado en redox que utiliza estados de reservorio dual en respuestas no lineales de drenaje y compuerta, Sistemas inteligentes avanzados (2023). DOI: 10.1002/aisy.202300123