Istraživački tim predvođen prof. Kvonom Hjuk-junom sa DGIST Odeljenja za elektrotehniku i računarske nauke razvio je AI poluprovodničku tehnologiju sledeće generacije koja oponaša efikasnost ljudskog mozga u AI i neuromorfnim sistemima.
Napredak AI je podstakao brzo rastuću potražnju za energetski efikasnom poluprovodničkom tehnologijom sa velikom radnom brzinom. Međutim, tradicionalni računarski uređaji sa svojom von Neuman arhitekturom i odvojenim računarskim i memorijskim jedinicama imaju nedostatke u brzini i energetskoj efikasnosti koji su povezani sa uskim grlima u obradi podataka. Shodno tome, istraživanje neuromorfnih uređaja koji oponašaju istovremene računarske i memorijske funkcije bioloških neurona dobijaju pažnju.
U tom kontekstu, tim prof. Hiuk-Jun Kvon-a razvio je sinaptičke tranzistore sa efektom polja koristeći hafnijum oksid, koji ima jaka električna svojstva, i tanke slojeve kalajnog disulfida. Ovo je rezultiralo troterminalnim neuromorfnim uređajem sposobnim da skladišti više nivoa podataka na način sličan neuronima.
Istraživanje je uspešno repliciralo biološke karakteristike kao što su kratkoročna i dugoročna svojstva, dajući visoko efikasan uređaj koji reaguje 10.000 puta brže od ljudskih sinapsa i troši veoma malo energije.
Profesor Hiuk-Jun Kvon sa Odeljenja za elektrotehniku i računarstvo je rekao: „Ovo istraživanje označava važan korak ka računarskoj arhitekturi sledeće generacije, koja zahteva nisku potrošnju energije i velike brzine računanja. Razvili smo neuromorfni hardver visokih performansi koristeći dvodimenzionalne kanale i feroelektrični hafnijum oksid, a očekuje se da će inovacija u budućnosti imati različite aplikacije vezane za AI i mašinsko učenje.“
