機器學習應用程序的日益重要，也推動了技術的開發，而更小、更節能的計算機芯片則一直是研究的重要方向之一，這意味著可以在相同電路中處理和存儲更多數據。

事實上，到目前為止，計算機芯片的能量效率仍然受到現有架構的限制，其中，數據處理和數據存儲在兩個獨立的單元中進行。這意味著數據必須在兩個單元之間不斷傳輸，耗盡著人工智能的大量時間和精力。

然而，在人類大腦（世界上最強大的計算機）中，神經元就具備處理和存儲信息的能力。基于此，工程師試圖模仿此功能，創建具有內存中邏輯架構的芯片，有時也稱為“憶阻器”。其邏輯是，無需大量傳送數據，因此可以制造更小更快的設備，消耗更少的能量。

近日，EPFL納米級電子和結構實驗室（LANES）的研究人員就在這樣的設想背景下開發了一種新一代電路，新一代電路可提供更小，更快，更節能的設備，而這將對人工智能系統產生重大益處。他們的革命性技術是第一個將2D材料用于存儲器架構中的邏輯，或者將邏輯操作與存儲器功能相結合的單一架構。

新型芯片稱之為浮柵場效應晶體管（FGFET），通常在閃存系統中使用。具體來說，EPFL芯片由MoS2制成，MoS2是一種2D材料，由僅三個原子厚的單層組成，也是一種優秀的半導體材料。同時，EPFL芯片基于浮門場效應晶體管（FGFET），這些晶體管的優點在于它們可以長時間保持電荷;它們通常用于相機，智能手機和計算機的閃光記憶系統。

事實上，正因為MoS2獨特的電氣特性才使其對存儲在FGFET中的電荷特別敏感，這也令車道工程師能夠開發出既可作為存儲器存儲單元又可編程晶體管的電路。通過使用MoS2，他們能夠將眾多處理功能集成到單個電路中，然后根據需要進行更改。

研究人員表示，這項電路設計具有許多優勢。不僅可以減少與在內存單元和處理器之間傳輸數據相關的能量損失，減少計算操作所需的時間，還可以減少所需的空間。這為更小，更強大和更節能的人工智能設備打開了大門。

該研究結果已發表在“自然”雜志上。

責任編輯：xj