На фоне стремительного роста энергопотребления систем искусственного интеллекта немецко-тайваньская исследовательская команда разрабатывает технологию, которая может радикально изменить архитектуру будущих полупроводников. Fraunhofer IPMS, Fraunhofer IMWS и тайваньский институт TSRI объявили о совместной программе по созданию новой энергоэффективной памяти для передовых техпроцессов — менее 3 нм — способной выполнять вычисления прямо внутри массива памяти. Такой подход устраняет один из главных узких мест современной электроники — необходимость постоянного обмена данными между памятью и вычислительным блоком, что резко снижает задержки и энергопотребление.
В основе разработки лежат ферроэлектрические транзисторы FeMFET, созданные на основе оксида гафния. Эти нанолистовые устройства отличаются высокой эффективностью, легко интегрируются в существующие производственные процессы и позволяют отказаться от традиционных энергоёмких механизмов записи. Работая в емкостном режиме вместо резистивного, FeMFET-компоненты способны потреблять до ста раз меньше энергии по сравнению с современными нев挥ательными решениями, что делает их особенно перспективными для встраиваемых систем и нейроморфных вычислений.
По словам руководителя проекта в Fraunhofer IPMS Максимиалиана Ледерера, объединённая платформа позволит значительно теснее связать память и вычислительные элементы в чипах нового поколения, открывая путь к более быстрым и компактным ИИ-системам — от смартфонов и автомобилей до медицинской электроники. Партнёры намерены создать полноценную исследовательскую линию диаметром 300 мм, ориентированную на разработку памяти не только для потребительских устройств, но и для промышленной, автомобильной и медицинской техники.
Генеральный директор TSRI доктор Чиен-Нан Лю отметил, что сотрудничество объединяет ключевые компетенции двух стран — от передовых методов создания материалов и глубокой структурной аналитики до разработки новейших архитектур устройств. По его словам, это сотрудничество закладывает фундамент для нового поколения энергоэффективных полупроводников, которые помогут сдержать растущие энергетические затраты систем искусственного интеллекта и обеспечить дальнейший прогресс отрасли.