石墨烯的存儲電阻器

隨著傳統計算的進展減緩，新的計算形式正走在前列。在賓夕法尼亞州立大學，一個工程師團隊正在嘗試開創一種模仿大腦神經網絡效率的計算類型，同時利用大腦的模擬性質。

現代計算是數字的，由開/關或一和零兩種狀態組成。像大腦一樣的模擬計算機具有許多可能的狀態。打開或關閉電燈開關與將調光器開關切換到不同的照明量之間的區別。

研究小組負責人，賓夕法尼亞州立大學工程科學與力學助理教授Saptarshi Das認為，神經形態或受大腦啟發的計算已經研究了40多年。新功能是，隨著達到數字計算的極限，對自動駕駛汽車等高速圖像處理的需求也在增長。大數據的興起是追求神經形態計算的另一個驅動力，而大數據的興起要求模式識別的類型特別適合大腦結構。

戴斯說：“毫無疑問，我們擁有功能強大的計算機，問題是您必須將內存存儲在一個地方，然后在其他地方進行計算。”

此數據從內存到邏輯再往回穿梭耗費大量精力并減慢了計算速度。另外，這種計算機體系結構需要大量空間。如果計算和內存存儲可以位于同一空間中，則可以消除此瓶頸。

“我們正在創建人工神經網絡，試圖模仿大腦的能量和區域效率，” Das研究組的博士生，最近在《自然通訊》上發表的論文的第一作者Thomas Shranghamer解釋說。“大腦非常緊湊，可以放在肩膀上，而現代超級計算機占用的空間只有兩個或三個網球場。”

就像可以重新配置的連接大腦神經元的突觸一樣，可以通過向石墨烯(碳原子的單原子厚層)上施加短暫的電場來重新配置團隊正在構建的人工神經網絡。在這項工作中，它們顯示了至少16種可能的存儲狀態，這與大多數基于氧化物的憶阻器或存儲電阻中的兩種狀態相反。

達斯說：“我們已經表明，我們可以使用簡單的石墨烯場效應晶體管來精確控制大量的存儲狀態。”

該團隊認為將這項技術提高到商業規模是可行的。隨著許多最大的半導體公司積極追求神經形態計算，Das相信他們會發現這項有趣的工作。

除了Das和Shranghamer之外，論文的另一位作者是題為“用于高精度神經形態計算的石墨烯憶阻突觸”的工程科學和力學博士生Aaryan Oberoi。