Nykyaikaisten tekoälymallien kasvaessa perinteinen tietokonelaitteisto kohtaa niin kutsutun muistimuurin, jossa datan tehokas käsittely käy yhä vaikeammaksi. Tavallisissa tietokonearkkitehtuureissa tietoa joudutaan jatkuvasti siirtämään erillisten muisti- ja prosessointiyksiköiden välillä, mikä aiheuttaa viiveitä ja kuluttaa valtavasti sähköä. Muistin sisäinen laskenta ratkaisee tämän tekemällä matemaattiset laskutoimitukset suoraan muistisoluissa, jolloin turhat tiedonsiirrot poistuvat.
– Kapasitiivinen muistin sisäinen laskenta on luonnostaan resistiivisiä vastineitaan tehokkaampaa, sillä staattisen sähkövirran puuttuminen parantaa energiatehokkuutta perustavanlaatuisella tavalla. Tällaisen seuraavan sukupolven tekoälylaitteiston kehittäminen on noussut puolijohdeteollisuuden keskiöön”, Sayani Majumdar toteaa.
– Tekemällä yhteistyötä Applied Materials Inc:n kaltaisten alan johtavien toimijoiden kanssa vauhditamme tämän teknologian siirtymistä laboratoriosta teolliseen tuotantoon ja siirrymme perinteisten kehityssyklien ohi kohti teollista valmiutta.
Jotta muistin sisäisestä laskennasta saataisiin käytännöllistä monimutkaisiin tekoälytehtäviin, jokaisen muistisolun on kyettävä tallentamaan muutakin kuin pelkkää binääridataa. Nature Microelectronics and Nanoengineering -tiedelehdessä julkaistussa tutkimuksessa ryhmä valmisti kymmenen nanometrin paksuisia hafnium-zirkoniumoksidikondensaattoreita (sähkövarausta varastoivaa erikoismateriaalia), jotka kykenevät tallentamaan 32 erillistä, lineaarisesti ohjelmoitavaa sähköistä tilaa, mikä vastaa viiden bitin tarkkuutta solua kohden. Toisin kuin sähkövirtaan perustuvat ja lämpöhäviöistä kärsivät muistirakenteet, nämä kapasitiiviset komponentit varastoivat sähkövarausta, mikä mahdollistaa nopean laskennan minimaalisin energiahäviöin.
Näin suuren tallennustiheyden saavuttaminen nanoluokan komponenteissa vaatii edistynyttä materiaalitekniikkaa. Yhteistyössä Picosun Oy:n, Applied Materials -konserniyhtiön, sekä Applied Materials Inc. -yhtiön kanssa tutkijat käyttivät teollista ryväslaitteistoa koko muistirakenteen atomikerroskasvatukseen (ALD) jatkuvassa tyhjiössä. Tämä saumaton prosessi-integraatio esti kemiallisen kontaminaation ja hapettumisen materiaalien rajapinnoilla, mikä johti lähes täydellisiin sisäisiin materiaalikerroksiin, poikkeuksellisen korkeaan läpilyöntijännitteeseen sekä ennätykselliseen polarisaatiotasoon ilman tarvetta erillisille alkuvaiheen herätyssykleille.
– Materiaalien virheet ja tilojen ennakoimattomat vaihtelut rajoittavat usein monibittistä tallennusta nanoluokan ferrosähköisissä komponenteissa. Olemme kehittäneet tarkan materiaalifaasien tasapainon erittäin ohueen Hf0.5Zr0.5O2-materiaaliin kriittisen materiaalitekniikan avulla, mikä mahdollisti erittäin korkean polarisaation sekä 32 luotettavaa, selkeästi erottuvaa analogista tilaa, selventää tutkimuksen pääkirjoittaja Ella Paasio.
Laitteiston käytännön vaikutusten arvioimiseksi tutkimusryhmä yhdisti kolme viisibittistä kondensaattoria tallentamaan 15-bittisiä numeerisia arvoja hyperdimensionaalisessa laskentakehyksessä. Ihmisaivojen toiminnasta innoituksensa saanut viitekehys käsittelee monimutkaista tietoa suurten matemaattisten vektorien avulla, jotka kestävät luonnostaan hyvin laitteistokohinaa. Puhuttujen kirjainten tunnistusta mittaavassa testissä järjestelmä saavutti 92,3 prosentin tarkkuuden, mikä vastaa perinteisten digitaalijärjestelmien suorituskykyä, mutta vaatii samalla 2,3 kertaa vähemmän piipinta-alaa.
Tavanomaisten huoneenlämpötilassa tehtyjen testien lisäksi ryhmä altisti ferrosähköiset kondensaattorit tiukoille rasitustesteille arvioidakseen niiden toimintavarmuutta vaativissa ympäristöissä. Tämä varmennus on ratkaisevan tärkeää sen osoittamiseksi, että laitteisto kestää vaativia olosuhteita, joita edellytetään erikoistuneilla, kriittisillä laskenta-aloilla.
”Koska nämä ferrosähköiset kondensaattorit säilyttävät suorituskykynsä aina neljän kelvinin lämpötilaan asti, teknologialla on valtavasti potentiaalia äärimmäisissä laskentaympäristöissä, kuten kvanttilaskentainfrastruktuurin tukemisessa tai avaruustutkimuksessa, jota tutkitaan parhaillaan Chips JU -yhteisyrityksen ARCTIC-hankkeessa”, Majumdar huomauttaa.
Tutkimus on usean organisaation yhteistyöhanke, jota johtaa Tampereen yliopisto yhdessä Münchenin teknillisen yliopiston, Applied Materials, Inc. -yhtiön sidosyhtiöiden, eli Picosun Oy:n ALD-tiimin sekä Applied Materials Italia Srl:n Ginestra™-mallinnus- ja simulaatiotiimin, sekä Modenan ja Reggio Emilian yliopiston kanssa. Tutkimusta rahoittivat Euroopan unionin Chips-yhteisyritys KDT-ARTIC-hankkeen kautta sekä Business Finland, VETURI – Chip Zero -hanke, myöntönumerolla 9971_31_2022.