Description du projet
Une technologie pionnière pour les circuits intégrés destinés à l’apprentissage automatique
L’ingénierie quantique des matériaux bidimensionnels (2DM) est en mesure de soutenir une nouvelle technologie intégrée pour l’apprentissage automatique et permettre la production de dispositifs reposant sur la combinaison d’hétérostructures verticales et latérales. Le projet QUEFORMAL, financé par l’UE, travaillera sur le développement de circuits intégrés pour l’apprentissage automatique dans lesquels des transistors à effet de champ à basse tension et des mémoires non volatiles sont intégrés côte à côte, en exploitant l’ingénierie quantique des 2DM. Le projet fera la démonstration expérimentale de la construction et du fonctionnement de dispositifs basés sur des hétérostructures latérales et verticales de 2DM pour des circuits intégrés à logique in-memory et prouvera le potentiel de cette technologie pour la production de circuits intégrés destinés à l’apprentissage automatique.
Objectif
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.
Champ scientifique
Mots‑clés
Programme(s)
Régime de financement
RIA - Research and Innovation actionCoordinateur
56126 Pisa
Italie