Projektbeschreibung
Bahnbrechende Technologie für integrierte Schaltkreise für das maschinelle Lernen
Das Quantenengineering zweidimensionaler Materialien kann neue integrierte Technologien für das maschinelle Lernen und die Herstellung von Geräten ermöglichen, die auf einer Kombination vertikaler und lateraler Heterostrukturen beruhen. Das EU-finanzierte Projekt QUEFORMAL wird sich mit der Entwicklung integrierter Schaltkreise für das maschinelle Lernen befassen, in denen Niederspannung-Feldeffekttransistoren und nicht flüchtige Speicher mithilfe von Quantenengineering zweidimensionaler Materialien Seite an Seite integriert werden. Das Projekt wird den Bau und den Betrieb von Geräten, die auf lateralen und vertikalen Heterostrukturen zweidimensionaler Materialien für integrierte Schaltkreise mit Logik-in-Speicher-Komponenten basieren, experimentell demonstrieren und das Potenzial dieser Technologie im Bereich der Herstellung von integrierten Schaltkreisen für das maschinelle Lernen belegen.
Ziel
We propose the radical vision of a new integrated circuit technology for machine learning where low-voltage field-effect transistors and non-volatile memories are integrated next to each other exploiting quantum engineering of heterostructures of two-dimensional materials (2DMs), i.e. the atom-by-atom design and fabrication of devices which combine vertical and lateral heterostructures (VH and LH, respectively) of 2DMs.
QUEFORMAL pursues a very risky and original proposed solution, with the extremely high potential gain of advancing a science-enabled technology for the fabrication of integrated circuits for machine learning, in a field in which Europe has a strong basic-science leadership, thanks to the pioneering breakthroughs on graphene and 2D materials.
The overall objective and targeted breakthrough of QUEFORMAL is to experimentally demonstrate the fabrication and operation of devices based on LH and VH of 2DMs for logic-in-memory integrated circuits and to show the potential of this technology for the fabrication of integrated circuits for machine learning. Devices include i) lateral heterostructure FETs (LH-FETs) operating at low voltage (0.6 V) fabricated in close vicinity to ii) floating-gate non-volatile memories based on VHs for the gate stack and LHs for the channel (LVH-NVMs), that can be programmed at low voltage (<5 V) with retention time larger than 1 month.
The QUEFORMAL consortium consists of six partners and has unique advantages: Consortium members have proposed and patented the LH-FET concept and have experimentally demonstrated the floating gate non-volatile memory concept using 2D materials.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-FETOPEN-2018-2019-2020-01
Finanzierungsplan
RIA - Research and Innovation actionKoordinator
56126 Pisa
Italien