以色列Technion和Tower Jazz的研究人员最近制造了一种低功耗的双端浮门晶体管，可以在神经形态计算中有有用的应用。这种晶体管，在《自然电子》的一篇论文中提出，是使用标准的单聚技术和商业180nm CMOS工艺制造的。
进行这项研究的研究人员之一沙哈尔·克瓦廷斯基告诉TechXplore说：“我们的实验室通常在电路和架构上使用新兴设备，比如记忆器。“这些设备的问题是，它们不是商业上可用的，我们只能小规模地获得它们，而且可靠性很差。因此，我们通常要么依靠模拟，要么依靠可用设备的小概念证明。”
起初，克瓦廷斯基和他的同事开始寻找一种方法，在一个更可靠的环境中测试他们的想法。随后，在与Tower Jazz合作，旨在修改后者的商业Y-Flash设备时，团队意识到，在某些条件下，这些设备可能具有与其设计中所呈现的设备相似的行为。在对这些设备进行了一系列测试后，他们决定将它们建模为记忆器。
克瓦廷斯基说：“晶体管的行为与现有的晶体管有很大的不同。“它们是两端（相对于晶体管中的三端或四端），表现为带有记忆的电阻（这就是名字的含义）。虽然记忆体在商业上不可用，但Y-Flash是在0.18嗯的稳定过程中。
研究人员提出的类似记忆体的器件可以使用优化的开关电压和时间精确地调谐。此外，它们可以达到65个不同的电阻水平，并具有10年的模拟数据保留。
然而，这些设备的主要优点是，当它们再现类似记忆体的行为时，它们可以很容易地使用商业上可用的技术来构建，这对于大多数现有的记忆体来说是不正确的。此外，它们的功率低，因此相当节能。
克瓦廷斯基补充说：“请注意，要在记忆模式下制造Y-Flash，我们所做的修改是次要的，不需要额外的制造步骤。”“这意味着它们的成本与标准的Y-Flash晶体管相同。”
克瓦廷斯基和他的同事进行了一系列的实验，其中他们展示了他们的记忆器在一些基本的神经形态应用方面的潜力。特别是，他们表明，它们适合于实现尖峰时间依赖的可塑性，矢量矩阵乘法，联想记忆和分类训练。
克瓦廷斯基说：“对于像我这样的学者来说，我们的晶体管将允许我们用常规晶体管在相对大规模的设计中测试我们的想法。“对于这个行业来说，它为制造低功耗应用的高效神经形态AI系统提供了机会。”
这些记忆器可以为许多研究和开发领域开辟令人兴奋的新可能性。它们对于需要大规模使用记忆体的应用特别有用，如神经形态AI系统，以及那些需要与商业技术进行出色集成的应用。
克瓦廷斯基说：“在本文中，我们展示了基本设备的行为，并演示了几个与神经网络相关的应用。“我们现在计划设计和制造更大的应用程序，并将它们与晶体管集成在一起。”