Japanilainen TDK on kehittänyt neuromorfisen muistielementin, nimeltään "spin-memristori", jolla on äärimmäisen alhainen virrankulutus. Tämä laite matkisi ihmisaivojen energiatehokasta toimintaa, minkä ansiosta tekoälysovellusten virrankulutus voisi pienentyä perinteisiin laitteisiin verrattuna jopa sadasosaan.
Yhteistyössä ranskalaisen tutkimusorganisaation CEA-Letin kanssa TDK on osoittanut, että "spin-memristori" voi toimia neuromorfisen laitteen peruselementtinä. Jatkossa TDK tekee yhteistyötä myös Tohokun yliopiston Innovatiivisten Integroituun Elektroniikkaan liittyvien Järjestelmien Keskuksen (CIES) kanssa teknologian käytännön kehittämiseksi.
Viime vuosina tekoälyn kehityksen edistämä digitaalinen transformaatio (DX) on johtanut energian käytön kasvuun suurten datamäärien ja tekoälyn käytössä, mikä on tuonut esiin tiettyjä ongelmia – kuten valtavien tietomäärien laskennallisen prosessoinnin monimutkaisuuden ja tekoälyn kehitykseen liittyvän kasvavan virrankulutuksen. TDK pyrkii osaltaan ratkaisemaan näitä yhteiskunnallisia ja ympäristöllisiä ongelmia.
Ihmisaivot kuluttavat noin 20 W tehoa ja pystyvät tekemään monimutkaisempia päätöksiä kuin nykyiset digitaaliset tekoälyprosessorit, mutta huomattavasti vähäisemmällä virrankulutuksella. Tämän vuoksi TDK asetti tavoitteekseen kehittää laitteen, joka simuloi aivojen synapseja sähköisesti. Siinä missä perinteiset muistielementit tallentavat tietoa muodossa 0 tai 1, "spin-memristori" voi tallentaa tietoa analogisessa muodossa, kuten aivot. Tämä mahdollistaa monimutkaiset laskelmat äärimmäisen pienellä virrankulutuksella.
Vaikka neuromorfisia memristoreita on olemassa, niillä on ongelmia, kuten resistanssin muuttuminen ajan myötä, vaikeudet tiedon tarkassa kirjoittamisessa sekä tiedon säilytyksen varmistamisen tarve. TDK "spin-memristori" ratkaisee nämä ongelmat ja sen odotetaan tarjoavan kestävän vastuksen ympäristövaikutuksille sekä pitkäaikaisen tiedonsäilytyksen samalla, kun virrankulutusta pienennetään vuotovirtoja vähentämällä.
Spin-memristori toimii hyödyntämällä elektronien spiniä sekä resistiivisen kytkennän periaatetta tiedon tallentamiseen ja käsittelyyn. Toisin kuin perinteiset muistielementit, jotka tallentavat tietoa digitaalisessa muodossa (0 tai 1), spin-memristori voi tallentaa tietoa analogisessa muodossa. Tämä tarkoittaa, että se kykenee tallentamaan useita erilaisia tiloja, mikä tekee siitä erityisen sopivan neuromorfisiin sovelluksiin, joissa tarvitaan monimutkaista ja energiaa säästävää laskentaa. Spin-memristori hyödyntää magneettista materiaalia, jossa elektronien spiniä voidaan hallita ulkoisella magneettikentällä tai sähkövirralla, minkä ansiosta laite pystyy simuloimaan biologisia synapseja tehokkaasti ja säilyttämään tiedon pitkäaikaisesti ilman merkittävää energiahukkaa. Tämä innovatiivinen rakenne vähentää myös vuotovirtoja, mikä parantaa energiatehokkuutta huomattavasti verrattuna perinteisiin puolijohdekomponentteihin.
TDK aloitti yhteistyön CEA kanssa vuonna 2020, ja tämän yhteistyön tuloksena kehitettiin "spin-memristorilla" varustettu AI-piiri (3 elementtiä × 2 sarjaa × 4 sirua), jonka onnistunut toiminta vahvistettiin äänten erottelukokeella. Kokeessa piiri pystyi oppimaan ja erottamaan kolme eri äänen tyyppiä (musiikki, puhe ja melu) reaaliajassa, vaikka ne oli sekoitettu mielivaltaisesti. Perinteisessä koneoppimisessa tekoäly suorittaa tehtäviä aiemmin opitun tiedon perusteella, mutta TDK laite pystyy ainutlaatuisesti oppimaan muuttuviin olosuhteisiin reaaliajassa.
Nyt TDK vie tätä projektia perustutkimuksesta käytännön soveltamiseen. Piirin valmistaminen vaatii puolijohde- ja spintroniikkavalmistusprosessien yhdistämistä. Tämä on jo saavutettu MRAM-piirien valmsituksessa ja seuraavaksi TDK aikoo kehittää vastaavaa prosessia Tohokun yliopiston kanssa, joka on johtava akateeminen instituutio MRAM-muistien tutkimuksessa ja kehityksessä.
Teollisuuden sulautetut järjestelmät suunnitellaan usein 10–15 vuoden käyttöikää varten. Muistitekniikka ja komponenttien saatavuus muuttuvat kuitenkin huomattavasti nopeammin. Kingstonin Suomen liiketoiminnan kehityspäällikkö Mikko Maanoja korostaa, että muistivalinnat ja komponenttien elinkaaren hallinta on otettava huomioon jo laitteen suunnitteluvaiheessa.
Saksalainen Rohde & Schwarz on esitellyt Münchenin Electronica-messuilla uuden FNH-käsianalysaattorin, joka yhdistää spektrianalyysin, reaaliaikaisen spektrianalyysin, vektoriverkkoanalyysin ja tehomittaukset samaan laitteeseen. Uutuuden merkittävin tekninen ominaisuus on jopa 125 megahertsin reaaliaikainen analyysikaista, joka on valmistajan mukaan luokkansa levein.
Emerson laajentaa NI PXI-mittalaitevalikoimaa uusilla, aiempaa edullisemmilla moduuleilla. Samalla yhä useammat mittausjärjestelmät pääsevät hyödyntämään Nigel-tekoälyavustajaa, joka nopeuttaa automatisoitujen testien kehittämistä ja vianetsintää.
5G-yhteyden rakentamiseen ei välttämättä tarvita matkapuhelinoperaattoria, SIM-kortteja eikä lisensoitua radiotaajuutta. DECT NR+ tuo 5G-standardin ominaisuuksia paikallisiin IoT-verkkoihin, joissa tarvitaan pitkää kantamaa, pientä viivettä ja luotettavaa tiedonsiirtoa. Uusi tekniikka yhdistää itsestään järjestäytyvän mesh-verkon, energiatehokkuuden ja nopean tiedonsiirron tavalla, joka haastaa monet nykyiset langattomat ratkaisut.