���ʵ���

Nykyinen komponentti- ja piirilevyteknologia ei kykene hallitsemaan esineiden internetin synnyttämiä datamassoja. Jo yksi älykello, siivousrobotti tai itsestään ajava auto voi tuottaa gigatavuittain dataa päivässä, ja yhdessä lentokoneen siivessä voi olla yli 10 000 sensoria. Arvioiden mukaan esineiden internet käyttääkin vuonna 2020 yli 50 miljardia sensoria.

Jotta laitteisiin saadaan tarpeeksi laskentatehoa, nykyiset tietokoneiden piirilevyissä käytettävät transistorit pitäisi pystyä kutistamaan muutaman nanometrin kokoisiksi – jolloin ne eivät enää toimisi kunnolla. Lisäksi ennenäkemättömän datamäärän käsittely ja tallennus vaativat valtavasti energiaa.

Aalto-yliopiston akatemiatutkija Sayani Majumdarin vetämä tutkijaryhmä kehittää molemmat ongelmat ratkaisevaa teknologiaa: peruspalikoita neuromorfisten eli aivojen toimintaa jäljittelevien tietokoneiden komponentteihin. Maailman suurimmat IT-yritykset ja EU investoivat neuromorfisten tietokoneiden tutkimukseen huomattavasti, mutta kukaan ei vielä ole pystynyt luomaan toimivaa nanokokoista laitteistoa, jota voisi myös valmistaa teollisesti.

“Neuromorfisten tietokoneiden vaatima teknologia kehittyy nyt nopeammin kuin niiden haastajat eli kvanttitietokoneet. Yliopistot ja yritykset etsivät kuumeisesti tapoja tehdä vaativaa laskentaa suoraan älypuhelinten, tablettien ja tietokoneiden laitteistolla – ilman ohjelmistoja. Jotta se onnistuisi, tarvitaan äärimmäisen energiatehokkaita, aivojen neuroverkkojen sähköistä tietojenkäsittelyä imitoivia komponentteja”, Majumdar sanoo.

Vähemmän raskasmetallisaastetta

Majumdarin ryhmä on onnistunut valmistamaan uudenlaisia ferrosähköisiä tunneliliitoksia eli muutaman nanometrin paksuisia, kahden elektrodin välissä olevia ohutkalvoja. Liitokset toimivat vain muutamien volttien jännitteellä, ja niitä voi yhdistää monenlaisiin elektrodimateriaaleihin, kuten kaikissa tietokoneissa yleisiin piisiruihin.

Liitoksiin voi myös tallentaa informaatiota yli kymmeneksi vuodeksi ilman lisävirtaa. Niitä voi valmistaa nopeasti suuria määriä normaalissa huoneenlämpötilassa, ilman tyhjiötä tai puhdastiloja. Perinteiset tunneliliitokset on tehty metallioksideista, ja niitä voi valmistaa vain 700 asteen lämpötilassa ja tyhjiössä.

”Meidän liitoksemme on tehty orgaanisista hiilivedyistä, joten ne vähentäisivät myös elektroniikkajätteen raskasmetallisaasteen määrää”, Majumdar huomauttaa.

Ferrosähköiset ohutkalvokomponentit ovat ihanteellisia neuromorfisiin tietokoneisiin, koska ne vaihtavat tilaa ei vain binaarisesti nollan ja ykkösen, vaan myös monien muiden tilojen välillä. Siten ne voivat ikään kuin muistaa niihin syötettyä informaatiota samaan tapaan kuin aivot. Komponentit tarvitsevat vain minimaalisen määrän energiaa säilyttääkseen kerran saamansa informaation – vaikka niistä kytkisi virran pois ja käynnistäisi uudestaan.

Kyse ei ole enää edes transistoreista vaan muistavista ”memristoreista”. Esimerkiksi Marsia seuraavan kerran vuonna 2020 tutkimaan lähetettävä Rover-robotti tarvitsee keinotekoisia aivoja muistuttavan laitteiston, jotta se voisi analysoida keräämäänsä dataa vain yksi aurinkokenno energianlähteenään.

”Yritämme seuraavaksi yhdistää miljoonia tunneliliitoksiamme käyttäviä memristoreita neliösenttimetrin kokoiseksi verkostoksi. Ne voisivat suorittaa kompleksisia tehtäviä, kuten kuvan- ja hahmontunnistusta ja tehdä analysoimansa datan pohjalta itse päätöksiä”, Majumdar kertoo               

Sayani Majumdar, Binbin Chen, Qi Hang Qin, Himadri. S. Majumdar, Sebastiaan van Dijken, Advanced Functional Materials 2017, 1703273.

‘Electrode Dependence of Tunneling Electroresistance and Switching Stability in Organic Ferroelectric P(VDF-TrFE)-Based Tunnel Junctions’
(onlinelibrary.wiley.com)

������ä�پ���ٴ��Ჹ:

Sayani Majumdar, akatemiatutkija
p. 050 363 3627
sayani.majumdar@aalto.fi

Kuva: Laite, jolla Majumdarin ryhmä mittaa valmistamiensa komponenttien sähköisiä vasteita (vasemmalla koko laite, oikealla yksityiskohta). Aivojen jäljittelemisen mahdollistavat tunneliliitokset ovat ohutkalvolla pienen tumman valmistusalustan päällä. (Kuva: Tapio Reinekoski.)