Новий тип 3D-комп'ютерного чіпа, який поєднує дві передові нанотехнології, може різко підвищити швидкість та енергоефективність процесорів.
Сьогоднішні мікросхеми розділяють пам'ять (яка зберігає дані) та логічні схеми (які обробляють дані), а дані перемикаються вперед і назад між цими двома компонентами для проведення операцій. Але через обмежену кількість зв’язків між пам’яттю та логічними схемами це стає головним вузьким місцем, особливо тому, що комп’ютери, як очікується, матимуть справу зі все більшим обсягом даних.
Раніше це обмеження маскувалося наслідками закону Мура, який говорить про те, що кількість транзисторів, які можуть поміститися на мікросхемі, подвоюється кожні два роки, що супроводжує збільшення продуктивності. Але оскільки виробники чіпів досягли фундаментальних фізичних обмежень щодо того, як можуть дістатися невеликі транзистори, ця тенденція сповільнилася.
Новий мікросхем прототипу, розроблений інженерами зі Стенфордського університету та Массачусетського технологічного інституту, вирішує обидві проблеми одночасно, накладаючи схеми пам'яті та логічні схеми один на одного, а не пліч-о-пліч.
Це не тільки ефективно використовує простір, але й різко збільшує площу поверхні для з'єднань між компонентами, зазначають дослідники. Звичайна логічна схема повинна мати обмежену кількість штифтів на кожному краї, через які можна передавати дані; навпаки, дослідники не обмежувалися використанням країв і мали змогу щільно упакувати вертикальні дроти, що проходять від логічного шару до рівня пам'яті.
"З окремою пам'яттю та обчислювальною технікою, мікросхема майже подібна до двох дуже густонаселених міст, але мостів між ними дуже мало", - розповів Live Science керівник Subhasish Mitra, професор електротехніки та інформатики в Стенфорді. "Зараз ми не просто об'єднали ці два міста - ми побудували ще багато мостів, щоб рух між ними проходив набагато ефективніше".
На додаток до цього, дослідники використовували логічні схеми, побудовані з вуглецевих нанотрубних транзисторів, а також нову технологію під назвою резистивна пам'ять з випадковим доступом (RRAM), обидві з яких набагато енергоефективніші, ніж кремнієві технології. Це важливо, оскільки величезна енергія, необхідна для роботи центрів обробки даних, є ще одним головним завданням, що стоїть перед технологічними компаніями.
"Щоб отримати наступне в 1000 разів покращення ефективності обчислень з точки зору енергоефективності, це змушує роботу працювати з дуже низькою енергією і одночасно змушувати роботу працювати дуже швидко. Це потрібна архітектура", - сказав Мітра.
Хоча обидві ці нові нанотехнології мають притаманні переваги перед звичайними технологіями на основі кремнію, вони також є невід'ємною частиною 3D-архітектури нового чіпа, вважають дослідники.
Причина сьогоднішніх мікросхем - це 2D в тому, що для виготовлення кремнієвих транзисторів на мікросхемі потрібні температури понад 1800 градусів Фаренгейта (1000 градусів Цельсія), що унеможливлює нанесення шарів кремнію один на одного, не пошкоджуючи нижній шар, .
Але і вуглецеві нанотрубні транзистори, і RRAM виготовляються при більш низькій температурі (200 градусів С), ніж 392 градуси F, тому їх можна легко нанести на поверхню кремнію, не пошкодивши основні схеми. Це також робить підхід дослідників сумісним з сучасними технологіями виготовлення чіпів, сказали вони.
Мітра заявила Мітра, оскільки укладання багатьох шарів один на одного потенційно може призвести до перегріву, оскільки верхні шари знаходяться далеко від тепла в основі мікросхеми. Але, додав він, ця проблема повинна бути досить простою для розробки, а підвищення енергоефективності нової технології означає, що в першу чергу виробляється менше тепла.
Щоб продемонструвати переваги своєї конструкції, команда побудувала прототип газового детектора, додавши ще один шар датчиків на основі вуглецевих нанотрубок поверх мікросхеми. Вертикальна інтеграція означала, що кожен з цих датчиків був безпосередньо підключений до комірки RRAM, різко збільшуючи швидкість, з якою можна обробляти дані.
Потім ці дані були передані логічному шару, який реалізовував алгоритм машинного навчання, що дало змогу розрізняти пари лимонного соку, горілки та пива.
Це було лише демонстрацією, проте, сказав Мітра, і мікросхема дуже універсальна і особливо добре підходить до типу важких, глибоких нейронних мережевих підходів, що лежать в основі сучасної технології штучного інтелекту.
Ян Рабай, професор електротехніки та інформатики Каліфорнійського університету в Берклі, який не брав участі в дослідженнях, сказав, що він згоден.
"Ці структури можуть бути особливо придатні для альтернативних обчислювальних парадигм, таких як системи, засновані на мозку та глибокі нейронні мережі. Підхід, представлений авторами, безумовно, є першим кроком у цьому напрямку", - сказав він для MIT News.
