La nanotecnología según los expertos

El hardware de computación inspirado en el cerebro está surgiendo como una alternativa a los chips de semiconductores de óxido metálico complementario de silicio para abordar la crisis energética de la generación y el procesamiento de datos digitales en rápido aumento. Las memorias no volátiles convencionales pueden realizar una computación en memoria altamente paralelizada en redes neuronales, pero carecen de la adaptabilidad y reconfigurabilidad que son los atributos clave de los sistemas biológicos de baja energía. Con este fin, los dispositivos neuromórficos basados en nanomateriales de baja dimensión encarnan el aprendizaje sintonizable bio-realista, las variables de estado acopladas, las respuestas no lineales y las arquitecturas multiterminales de las sinapsis. En esta conferencia destacada, Sangwan presenta el caso de los nanomateriales bidimensionales (2D) para hardware neuromórfico al trazar paralelismos entre las propiedades fundamentales, los factores de forma y las funcionalidades requeridas en sinapsis, neuronas y arquitecturas de red artificiales. Como algunos ejemplos, MoS₂Los memtransistores muestran un aprendizaje sináptico bio-realista en matrices de cruceta escalables para redes neuronales dinámicas de mayor dimensión. La ferroelectricidad anómala en transistores sinápticos de grafeno bidimensional tipo moaré logra un aprendizaje adaptativo sin precedentes. Los transistores de heterounión gaussianos de doble compuerta, autoalineados y de dimensión mixta no solo realizan un comportamiento de espiga complejo, sino que también permiten hardware de bajo consumo para algoritmos de aprendizaje automático en computación de borde.