Experimentell ferroelektrisk memristor-baserad i-minnesberäkningsplattform för energieffektiv 6G

Viktiga resultat som projektet gav

Målet med detta tvärvetenskapliga projekt var att kombinera expertis från tre forskningsområden för att utveckla en energieffektiv minnesbaserad beräkningsplattform. Projektet involverade användning av enhetsfysik för att tillverka skalbara memristiva enheter med variabla ledningsnivåer. Vi implementerade ett analogt gränssnitt och en avläsningskrets för att bearbeta signaler innan de överförs till den digitala domänen. Dessutom styrde den högpresterande FPGA hela plattformen och utförde digitala bearbetningsuppgifter som matrisberäkningar.

Långsiktiga effekter som förväntas

I det här projektet har vi framgångsrikt använt högskaliga ferroelectric tunnel junction (FTJ) memristiva enheter för att implementera en plattform för artificiell intelligens (AI) och nästa generations trådlösa kommunikationer (6G). Den minnesbaserade beräkningsplattformen som utvecklats genom detta projekt syftar till att avsevärt förbättra energieffektiviteten i framtida högpresterande databehandling jämfört med den konventionella von Neumann-arkitekturen, som innebär frekventa dataöverföringar mellan minnet och bearbetningsenheten.

Upplägg och genomförande

Den planerade metoden delades in i tre parallella faser. Först implementerade vi pålitliga FTJ memristiva enheter med hög produktionseffektivitet i labbet. Därefter extraherade vi specifikationer för gränssnitt och styrkretsar för att designa och implementera det analoga kretskortet för memristiva arrayet. Sedan implementerades digitala algoritmer i HDL-programmeringsspråk, baserat på hastighet och arraystorlekskrav. Slutligen samordnade alla grupper sina aktiviteter för att uppnå projektets mål: att implementera en minnesbaserad beräkningsplattform.