Op grafeen gebaseerde geheugenweerstanden, ook bekend als op grafeen gebaseerde memristors, hebben een aanzienlijk potentieel aangetoond in neuromorfisch computergebruik, dat de structuur en functie van het menselijk brein probeert na te bootsen. Deze apparaten vertonen unieke eigenschappen die ze zeer geschikt maken voor het emuleren van synaptische plasticiteit, een fundamenteel mechanisme dat ten grondslag ligt aan leren en geheugen in biologische hersenen. Hier zijn enkele belangrijke redenen waarom op grafeen gebaseerde geheugenweerstanden veelbelovend zijn voor op hersenen gebaseerd computergebruik:

Synaptische plasticiteit: Op grafeen gebaseerde geheugenweerstanden kunnen hysteretisch gedrag vertonen, wat betekent dat hun geleiding kan veranderen afhankelijk van de geschiedenis van de aangelegde spanning. Met deze eigenschap kunnen ze het gedrag van biologische synapsen nabootsen, die in de loop van de tijd kunnen versterken of verzwakken op basis van de frequentie en timing van elektrische signalen. Deze dynamische modulatie van de geleiding is essentieel voor de opslag en verwerking van informatie in neurale netwerken.

Hoge dichtheid: Grafeen is een tweedimensionaal materiaal en kan worden geïntegreerd in dichte arrays, waardoor grootschalige neurale netwerken kunnen worden gecreëerd. De atomaire dunheid van grafeen maakt de fabricage mogelijk van kruisbalkarrays met geheugenweerstanden met hoge dichtheid, waarbij elke kruispuntovergang fungeert als een kunstmatige synaps. Dit compacte ontwerp vergemakkelijkt de integratie van miljoenen of zelfs miljarden synapsen in een klein gebied, waardoor de dichte connectiviteit van het menselijk brein wordt nagebootst.

Laag stroomverbruik: Op grafeen gebaseerde geheugenweerstanden kunnen op extreem lage vermogensniveaus werken. De inherent lage dimensionaliteit en hoge dragermobiliteit van grafeen maken een efficiënte schakeling van geleidingstoestanden mogelijk met minimale energiedissipatie. Deze energiezuinige werking is cruciaal voor op de hersenen geïnspireerde computers, waarbij energie-efficiëntie een cruciale vereiste is om de energie-efficiënte informatieverwerkingsmogelijkheden van het menselijk brein na te bootsen.

Schaalbaarheid: De schaalbare aard van grafeensynthese en apparaatfabricage maakt op grafeen gebaseerde geheugenweerstanden geschikt voor productie op grote schaal. Grafeen kan over grote gebieden worden gekweekt met behulp van chemische dampdepositie (CVD) of andere schaalbare technieken. Deze schaalbaarheid is essentieel voor het realiseren van praktische neuromorfe computersystemen die een enorm aantal synaptische verbindingen vereisen.

Integratie met CMOS: Op grafeen gebaseerde geheugenweerstanden kunnen naadloos worden geïntegreerd met conventionele CMOS-technologie (complementaire metaaloxide-halfgeleider), die de basis vormt van moderne elektronica. Deze integratie maakt de combinatie van reken- en geheugenfuncties op dezelfde chip mogelijk, waardoor de co-lokalisatie van verwerking en geheugen in de hersenen wordt nagebootst. De compatibiliteit met CMOS opent de mogelijkheid van hybride neuromorfe systemen die gebruik maken van de sterke punten van zowel conventionele als opkomende apparaattechnologieën.

Onderzoeksvoortgang: Op grafeen gebaseerde geheugenweerstanden zijn de afgelopen tien jaar uitgebreid bestudeerd en ontwikkeld, met aanzienlijke vooruitgang op het gebied van materiaaltechniek en apparaatontwerp. Deze actieve onderzoeksgemeenschap verlegt voortdurend de grenzen van prestaties en betrouwbaarheid, waardoor op grafeen gebaseerde memristors steeds levensvatbaarder worden voor praktische neuromorfe computertoepassingen.

Samenvattend zijn op grafeen gebaseerde geheugenweerstanden veelbelovend voor hersencomputers vanwege hun synaptische plasticiteit, hoge dichtheid, laag stroomverbruik, schaalbaarheid, CMOS-compatibiliteit en voortdurende onderzoeksvoortgang. Deze eigenschappen maken op grafeen gebaseerde memristors veelbelovende kandidaten voor het emuleren van het complexe gedrag van het menselijk brein en het mogelijk maken van doorbraken in neuromorfisch computergebruik en kunstmatige intelligentie.