بزرگنمايي:

سیاست و بازاریابی - ایسنا / دانشمندان کریستال‌هایی به نازکی اتم طراحی کردند که می‌توانند نسل بعدی حافظه رایانه‌ها را تغذیه کنند.
فناوری‌های روزمره مانند تلفن‌های هوشمند، مراکز داده هوش مصنوعی، ردیاب‌های پوشیدنی سلامت به تراشه‌های حافظه‌ای وابسته هستند که مقادیر عظیمی انرژی مصرف می‌کنند. با افزایش وابستگی ما به دستگاه‌های دیجیتال، چالش ایجاد سیستم‌های حافظه‌ای کوچک‌تر، سریع‌تر و کارآمدتر نیز افزایش می‌یابد.
بازار
نتایج پژوهش جدید فیزیکدانان دانشگاه «آبرن» (Auburn) با بررسی چگونگی متحول کردن طراحی حافظه با کریستال‌هایی به نازکی اتم، راه‌حلی در این زمینه ارائه کرده است. این پژوهش بر روی «ممریستورها»، دستگاه‌های فوق‌العاده نازکی متمرکز شده است که می‌توانند سیگنال‌های الکتریکی گذشته را به خاطر بسپارند.
این توانایی برخلاف تراشه‌های حافظه سنتی است، «ممریستورها» می‌توانند بین رسانایی الکتریسیته مانند یک فلز و مسدود کردن آن مانند یک نیمه‌رسانا تغییر حالت دهند. این ویژگی آنها را به کاندیداهای نویدبخشی برای الکترونیک آینده تبدیل می‌کند که در آن، کارایی و سرعت بسیار مهم هستند.
در مرکز کار این گروه پژوهشی، «دی‌کالکوژنیدهای فلزات واسطه» (TMD) قرار دارند، کریستال‌هایی که می‌توانند به ضخامت تنها چند اتم تبدیل شوند. آنچه «دی‌کالکوژنیدهای فلزات واسطه» را به ویژه جالب می‌کند، نحوه واکنش آنها به الکترودها، فلزات متصل به دستگاهی است که سیگنال‌های الکتریکی را هدایت می‌کنند.
پژوهشگران نشان دادند که با انتخاب دقیق این الکترودها، می‌توانند کنترل کنند که ماده چقدر راحت بین حالت‌ها تغییر می‌کند تا مهندسان بتوانند حافظه‌ای طراحی کنند که هم قابل اعتمادتر باشد و هم انرژی کمتری مصرف کند.
مارسلو کورودا، دانشیار فیزیک دانشگاه «آبرن» و پژوهشگر ارشد این پژوهش گفت: این مورد، علم بنیادی با پیامدهای بسیار کاربردی است. با انتخاب الکترود مناسب، می‌توانیم این دستگاه‌ها را با اطمینان بیشتر و با مصرف انرژی کمتر تغییر دهیم. این دقیقا همان چیزی است که برای نسل بعدی الکترونیک به آن نیاز داریم.
پیامدهای این نتایج بسیار گسترده است. از آنجا که «ممریستورها» تا حدودی مانند نورون‌های بیولوژیکی رفتار می‌کنند، تقویت یا تضعیف اتصالات آنها بر اساس فعالیت، می‌توانند به‌عنوان بلوک‌های سازنده برای محاسبات نورومورفیک عمل کنند، سخت‌افزاری که نحوه یادگیری مغز را تقلید می‌کند.
چنین سیستم‌هایی می‌توانند وظایف هوش مصنوعی را بسیار کارآمدتر از تراشه‌های امروزی انجام دهند. فراتر از هوش مصنوعی، «ممریستورهای» مبتنی بر «دی‌کالکوژنیدهای فلزات واسطه» همچنین می‌توانند در دستگاه‌های انعطاف‌پذیر و پوشیدنی ادغام شوند و ایمپلنت‌های پزشکی را قادر سازند که سال‌ها با یک باتری یا لباس تعبیه شده با حسگرهای تطبیقی ​​کار کنند.
گروه پژوهشی «آبرن» برای درک بهتر فیزیک پشت این رفتار تغییر حالت، از مدل‌سازی رایانه‌ای پیشرفته برای مطالعه چگونگی تغییر «دی‌کالکوژنیدهای فلزات واسطه» در سطح اتمی استفاده کرد.
آنان کشف کردند که تعامل بین الکترودها و نقص‌های کوچک در شبکه کریستالی، به نام جای خالی، به سهولت انتقال بین فازهای عایق و فلزی کمک می‌کند. این یافته‌ها با نتایج تجربی مطابقت داشتند و نشان می‌دهند که این اثر هم واقعی و هم به‌طور بالقوه در دستگاه‌های آینده مفید است.
سایت ساینس گزارش کرد، این تحقیق طرح جدیدی برای طراحی سیستم‌های حافظه ارائه می‌دهد که نه فقط قدرتمندتر، بلکه پایدارتر نیز هستند.
کورودا گفت: به جای مبارزه با نقص‌های این مواد، ما در حال یادگیری نحوه استفاده از آنها هستیم. چیزی که زمانی نقص به نظر می‌رسید، در واقع ممکن است کلید ساخت نسل بعدی فناوری باشد.
نتایج این پژوهش در نشریه «مواد کاربردی و رابط‌های ACS» منتشر شده است.