استفاده از نانوممریستورهای پلیمری برای محاسبات لبه

تاریخ : ۱۲ اردیبهشت ۱۴۰۰

تعداد بازدید : ۱۵۷

0 امتیاز از 0 رای
نسخه چاپی
موضوعات :

با افزایش تولید داده‌ها، انتظار می‌رود که ممریستورها بتوانند نقش مهمی در آنالیز و پردازش این داده‌ها داشته باشند و در این میان، نانوممریستورهای پلیمری نقش مهمی خواهند داشت.

داده ها در دنیای مدرن در اطراف ما هستند. اعم از فرآیندهای اساسی درون شهرهای ما (مانند کنترل ترافیک)، خدمات پزشکی، فرآیندهای صنعتی یا نظارت مداوم، استفاده از داده ها همچنان در حال رشد است و با حرکت به سمت یک جامعه مبتنی بر داده بیشتر، احتمالاً رشد بیشتری خواهد داشت. اینترنت اشیا (IoT) ، هوش مصنوعی (AI) و داده های بزرگ همه، عامل این رونق داده‌ها هستند و اکنون هر شخص مسئول (به طور متوسط) 5 ترابایت داده است.

 

جمع آوری چنین حجم زیادی از داده ها معمولاً شامل سیگنال‌های آنالوگ زیادی است که باید در پایانه های حسگر جمع شده و در سرور ابری بارگذاری شوند، جایی که می توان مقدار زیادی داده را از راه دور از یک مرکز داده ذخیره و پردازش کرد. حتی اگر این فرایند ذخیره سازی از منظر بهبود ذخیره سازی داده ها، بهره‌وری و امنیت اطلاعات بسیار حیاتی باشد ، انتقال داده‌های زائد و نامعتبر به ابر اغلب منجر به هدر رفتن منابع محاسباتی و مصرف زیاد انرژی  می‌شود.

 

فناوری های محاسبات لبه کم مصرف می توانند داده ها را در زمان واقعی قبل از ذخیره سازی در فضای ابری پردازش کرده و پیش نمایش دهند، که فقط با پردازش سیگنال‌های داده معتبر می تواند به صرفه جویی در انرژی کمک کند. تصور می شود مموریسترها می توانند نقشی اساسی در این فناوری ها داشته باشند.

 

به دلایل مختلف ممریستورها به عنوان یک جز حیاتی در سیستم های محاسبه لبه کم مصرف دیده می شوند. آنها قبلاً در طیف وسیعی از دستگاه‌های حافظه مقاومتی (ReRAM) استفاده شده اند. ممریستورها قطعه‌ای هستند که جریان جریان الکتریکی را در مدار محدود و تنظیم می کنند. با این حال، یک تمایز اساسی بین مموریستورها و مقاومت‌های دیگر این است که ممریستورها جریان، جریان یافته در خود را به خاطر می آورند. یکی دیگر از ویژگی های اصلی مموریستورها این است که آنها یک جز غیر فرار هستند تا حافظه خود را بدون نیاز به برق حفظ کنند.

 

ممریستورها مزایای زیادی برای برنامه های محاسبات کم لبه دارند. اولین مورد این است که سازگار با CMOS هستند تا برای تعامل و تلفیق با معماری‌های فناوری موجود مورد استفاده قرار گیرند. علاوه بر این، آنها دارای سرعت سوئیچینگ سریع، پتانسیل قدرت کم و امکان ذخیره اطلاعات با دانسیته بالا هستند.

 

یکی دیگر از جنبه های اصلی برنامه های محاسبات لبه این است که می توان مقاومت غیر فرار را دوباره پیکربندی کرد. در کنار دو ساختار ترمینال و قابلیت یکپارچه سازی سه بعدی، می تواند آرایه‌های ممریستور را قادر به انجام کارهای محاسباتی در حافظه در مقیاس بزرگ کند. این ویژگی ها می توانند حرکت مکرر داده ها را بین واحدهای پردازش مرکزی و معماری حافظه در کامپیوترها را از بین ببرند و منجر به کاهش مصرف انرژی برای حجم  زیاد داده ها شوند.

 

در حالی که بسیاری از مموریستورها برای کاربردهای مختلف طراحی شده اند، پلیمرهایی با ابعاد نانومتری به عنوان یک ماده مناسب برای ماتریس سوئیچینگ در ممریستورها در محاسبات لبه انعطاف‌پذیر کم مصرف مشاهده می شوند.

 

چندین مکانیسم عملکردی در دستگاه های پلیمر پلی استر وجود دارد. با این حال، در بسیاری از ماتریس های پلیمری، عناصر رسانا (و نقص ها) به طور تصادفی توزیع می شوند. هنگام تلاش برای پایین آوردن عناصر در مقیاس نانو، ناهمگن بودن مناطق رسانا در داخل پلیمرها می تواند منجر به ایجاد دستگاه‌هایی شود که دارای عملکردهای کاملاً متفاوت هستند.

 

بنابراین ، علاقه و پتانسیل زیادی برای حافظه های نانو ساخته شده از پلیمرها وجود دارد، اما بسیاری از آنها در حال حاضر به اندازه کافی قابل اعتماد برای تامین  نیازهای محاسبات مدرن نیستند. با این حال، راه حل های شیمیایی مدرن امکان تنظیم دقیق هندسه و ساختار الکترونیکی پلیمرهای مختلف (و بلوک های سازنده مونومر آنها) را فراهم می کند.

 

نانو ممریستور پلیمر تلفیقی دو بعدی جدید با بهره گیری از روش‌های مختلف دستکاری شیمیایی موجود، پدید آمده است. ابعاد دستگاه ایجاد شده با بازده ساخت بالای 90٪ به طور موثری به حداقل رسیده و خصوصیات سوئیچینگ مقاومتی همگن و پتانسیل های کم مصرف را به نمایش می گذارد.

 

منبع : https://www.electropages.com/blog/1970/01/polymer-nano-memristors-edge-computing

نظر شما