Nový typ 3D počítačového čipu, ktorý kombinuje dve špičkové nanotechnológie, by mohol dramaticky zvýšiť rýchlosť a energetickú účinnosť procesorov.
Dnešné čipy oddeľujú pamäť (ktorá ukladá dáta) a logické obvody (ktoré spracovávajú údaje) a údaje sú medzi týmito dvoma komponentmi prenášané sem a tam, aby mohli vykonávať operácie. Ale kvôli obmedzenému počtu spojení medzi pamäťou a logickými obvodmi sa to stáva hlavným problémom, najmä preto, že sa očakáva, že počítače sa budú zaoberať stále väčším množstvom údajov.
Predtým bolo toto obmedzenie maskované účinkami Moorovho zákona, ktorý hovorí, že počet tranzistorov, ktoré sa zmestia na čip, sa každé dva roky zdvojnásobí, čo so sebou prináša zvýšenie výkonu. Ale ako tvorcovia čipov narazili na základné fyzikálne limity, ako sa môžu malé tranzistory dostať, tento trend sa spomalil.
Nový prototypový čip navrhnutý inžiniermi zo Stanfordskej univerzity a Massachusettsovho technologického inštitútu rieši oba problémy súčasne vrstvením pamäte a logických obvodov na seba, nie vedľa seba.
Vedci tvrdia, že to nielenže efektívne využíva priestor, ale tiež dramaticky zväčšuje povrchovú plochu spojov medzi komponentmi. Bežný logický obvod by mal obmedzený počet kolíkov na každej hrane, cez ktorú sa budú prenášať dáta; na rozdiel od toho sa vedci neobmedzili na používanie hrán a boli schopní husto zabaliť zvislé drôty vedúce z logickej vrstvy do pamäťovej vrstvy.
„So samostatnou pamäťou a výpočtovou technikou je čip takmer ako dve veľmi obývané mestá, ale medzi nimi je len veľmi málo mostov,“ povedal vedecký pracovník Subhasish Mitra, profesor elektrotechniky a informatiky na Stanforde. „Teraz sme tieto dve mestá nielen spojili - vybudovali sme omnoho viac mostov, aby medzi nimi mohla premávať oveľa efektívnejšie.“
Vedci okrem toho využívali logické obvody vyrobené z tranzistorov s uhlíkovými nanotrubicami, spolu s objavujúcou sa technológiou nazývanou odporová pamäť s priamym prístupom (RRAM), ktoré sú oveľa energeticky účinnejšie ako kremíkové technológie. Je to dôležité, pretože obrovská energia potrebná na prevádzku dátových centier predstavuje ďalšiu významnú výzvu pre technologické spoločnosti.
„Na dosiahnutie ďalšieho 1000-násobného zlepšenia výpočtového výkonu, pokiaľ ide o energetickú účinnosť, čo spôsobuje, že veci bežia veľmi nízko, a zároveň to, že veci bežia naozaj rýchlo, je potrebná architektúra,“ uviedla Mitra.
Kým obe tieto nové nanotechnológie majú vlastné výhody oproti konvenčnej technológii na báze kremíka, sú tiež neoddeliteľnou súčasťou 3D architektúry nového čipu, uviedli vedci.
Dôvodom, prečo sú dnešné čipy 2D, je to, že výroba kremíkových tranzistorov na čipe vyžaduje teploty viac ako 1 800 stupňov Fahrenheita (1 000 stupňov Celzia), čo znemožňuje vrstvenie kremíkových obvodov nad sebou bez poškodenia spodnej vrstvy, uviedli vedci. ,
Tranzistory s uhlíkovými nanotrubicami a RRAM sa vyrábajú pri teplote nižšej ako 200 stupňov Celzia (200 stupňov Celzia), takže sa dajú ľahko navrstviť na vrch kremíka bez toho, aby sa narušili základné obvody. To tiež robí výskumníkov prístup kompatibilný so súčasnou technológiou výroby čipov.
Stohovanie mnohých vrstiev na seba by potenciálne mohlo viesť k prehriatiu, povedal Mitra, pretože vrchné vrstvy budú ďaleko od chladičov na spodnej časti čipu. Dodal však, že tento problém by mal byť relatívne jednoduchý na inžinierske práce a zvýšená energetická účinnosť novej technológie znamená, že sa v prvom rade vytvára menej tepla.
Aby demonštrovali výhody svojho dizajnu, tím postavil prototyp detektora plynu pridaním ďalšej vrstvy senzorov na báze uhlíkových nanotrubíc na čip. Vertikálna integrácia znamenala, že každý z týchto senzorov bol priamo pripojený k bunke RRAM, čím sa dramaticky zvýšila rýchlosť spracovania údajov.
Tieto údaje sa potom preniesli do logickej vrstvy, ktorá implementovala algoritmus strojového učenia, ktorý jej umožnil rozlíšiť pary citrónovej šťavy, vodky a piva.
Napriek tomu to bola iba demonštrácia, povedal Mitra a čip je vysoko všestranný a obzvlášť vhodný pre druhy dátovo náročných prístupov k hlbokej neurónovej sieti, ktoré sú základom súčasnej technológie umelej inteligencie.
Jan Rabaey, profesor elektrotechniky a informatiky na Kalifornskej univerzite v Berkeley, ktorý sa nezúčastnil výskumu, uviedol, že súhlasí.
„Tieto štruktúry môžu byť zvlášť vhodné pre alternatívne výpočtové paradigmy založené na učení, ako sú systémy inšpirované mozgom a hlboké nervové siete, a prístup, ktorý autori predstavili, je určite skvelým prvým krokom týmto smerom,“ uviedol pre MIT News.
