Исследователи из Венского технологическом университета разработали адаптивные транзисторы, которые могут произвести революцию в микроэлектронике. Устройства с вставкой из германия (на иллюстрации вверху) способны менять конфигурацию на лету, адаптируясь для разных задач, что кардинально отличает их от стандартной конструкции полевого транзистора. Другими словами, программируемый транзистор на физическом уровне подстраивается под конкретную задачу.

Подобная универсальность позволяет сократить количество элементов в микросхеме до 85%, при выполнении той же работы с меньшим количеством операций. Это серьёзное уменьшение энергопотребления и тепловыделения микросхемы позволит нарастить тактовую частоту и производительность CPU. По сути, возродить к жизни закон Мура.

Полевой транзистор (FET) — фундаментальная единица дизайна микроэлектроники. Принцип действия элементарный. Электроны текут между двумя электродами — из истока в сток — а затвор между ними открывает/закрывает канал.

На физическом уровне если подать к затвору напряжение, то создаётся поперечное электрическое поле, которое изменяет сопротивление электропроводящего канала.

Такая простота означает минимум функциональности. У полевого транзистора «бинарная логика», поэтому для реализации сложных функций требуется объединение большого количества элементов. В современных CPU миллиарды транзисторов.

Повышение производительности процессоров означает уменьшение физического размера элементов с увеличением их плотности. К сожалению, в последнее время этот процесс сильно замедлился. Как видно на диаграмме, микроэлектроника упирается в физический предел размера транзисторов.



Новые адаптивные транзисторы позволяют кардинально уменьшить количество элементов на микросхеме: «Арифметические операции, для которых ранее требовалось 160 транзисторов, теперь возможны с 24 транзисторами благодаря повышенной адаптивности, — говорит профессор Вальтер Вебер, один из авторов научной работы. — Таким образом, скорость и энергоэффективность схем также могут быть значительно увеличены».

В новой конструкции два электрода соединяются тонкой вставкой из германия. Над германиевым сегментом помещён затворный электрод, как в обычных транзисторах. Но самое главное, что на границе между германием и металлом находится ещё один управляющий электрод, который может динамически программировать работу транзистора, меняя сопротивление канала.


(а) Фото под микроскопом гетероструктуры Al-Ge-Al с длиной германиевого канала 220 нм, обёрнутого оболочкой Al₂O₃ толщиной 20 нм. (b) Цветное изображение транзистора с длиной германиевого канала 285 нм. (с) Передаточная характеристика устройства с верхним затвором для напряжений от 100 мВ до 1 В. Показаны также диаграммы для работы p- и n-типа.

Добавление германиевого мостика позволяет новой конструкции транзистора плавно переключаться между двумя транспортными состояниями.

Дело в том, что у германия очень специфические характеристики: когда вы подаёте напряжение, ток сначала увеличивается, как и следовало ожидать. Однако после определенного порога ток опять уменьшается — это называется отрицательным дифференциальным сопротивлением.

С помощью управляющего электрода мы регулируем, при каком напряжении находится этот порог. Это даёт новые степени свободы для придания транзистору именно тех свойств, которые нужны в данный момент. С помощью новых адаптивных транзисторов можно целенаправленно изменять цепи прямо на чипе. Таким образом может быть реализована многозначная логика — схемы, работающие не только с 0 и 1, но и с большим числом возможных состояний, почти как кубиты (на иллюстрации слева).

Удивительно, но технология кажется пригодной для промышленного внедрения: все материалы давно используются в полупроводниковой промышленности.

По мнению изобретателей, в первое время адаптивный транзистор будет включён в качестве дополнения в некоторые полупроводниковые конструкции, чтобы использовать его при необходимости.


Авторы научной работы Вальтер Вебер, Масиар Систани и Рафаэль Бёкле

Возможно, самое эффективное применение адаптивным транзисторам сможет найти ИИ, когда цепи адаптивных элементов подстраиваются под конкретную задачу в процессе обучения нейросети.

Научная статья опубликована 27 октября 2021 года в журнале ACS Nano (doi: 10.1021/acsnano.1c06801).