Computertechnologien und Rechenleistung werden immer besser, während gleichzeitig die Größe der Computerkomponenten schrumpft. Dabei waren die Fortschritte in der Computertechnik in den letzten Jahrzehnten schier unglaublich. Allerdings gibt es Grenzen, bis zu denen Massenmaterialien die Größe von Computerkomponenten verringern können.

Seit einiger Zeit wird die Nanotechnologie als Lösung vorgeschlagen, da mithilfe von Top-down-Methoden zur Herstellung von kleineren Nanostrukturen aus herkömmlichen Materialien gearbeitet werden kann. Mit Bottom-up-Methoden können ultrakleine Nanomaterialien hergestellt werden, die wesentlich kleiner sind, als es mit anderen Herstellungsmethoden möglich wäre. Viele Nanomaterialien werden für die Computertechnologien der nächsten Generation verwendet, wobei 2D-Materialien aufgrund ihrer extrem kleinen Größe, des Grads der potenziellen Anpassbarkeit ihrer Oberfläche und ihrer elektronischen Eigenschaften besonders interessant sind: Diese Eigenschaften reichen je nach 2D-Material von hochleitend bis halbleitend.

Wichtige Bereiche der Datenverarbeitung

Im Hinblick auf Computing-Ansätze lassen sich die Rechenaufgaben in zwei allgemeine Bereiche unterteilen: Wahrnehmung und logisches Denken. Die Wahrnehmung umfasst die Objekterkennung und die Sprachverarbeitung und wird durch paralleles Matrix-Computing möglich. Auf der anderen Seite wird serielles Logik-Computing für die Lösung von logischen Aufgaben eingesetzt.

Die derzeit modernsten Computerarchitekturen basieren auf der Von-Neumann-Architektur mit physikalisch getrennten Rechen- und Speichereinheiten. Die Benutzer versuchen jedoch, diese eine Architektur sowohl auf Wahrnehmungs- als auch auf Logikaufgaben anzuwenden. Wahrnehmungs- und Logikaufgaben stellen jedoch unterschiedliche Anforderungen an die Rechenleistung, sodass eine einzige Architektur nicht in der Lage ist, beide Anforderungen optimal zu erfüllen.

Zum einen ist die Datenübertragungsrate zwischen der Verarbeitungseinheit und der Speichereinheit bei Wahrnehmungsaufgaben begrenzt, und beim Lösen von Logikaufgaben könnte ein viel höheres Leistungspotenzial vorhanden sein. Die Computerarchitekturen benötigen jedoch eine größere Anzahl von Transistoren pro Fläche, um eine höhere Leistung bei logischen Aufgaben zu erzielen. Auch wenn es große Fortschritte bei der Verkleinerung der Transistoren und der Platzierung von mehr Transistoren auf einer bestimmten Chipfläche gegeben hat, sind dem Silizium bei der Herstellung von kleinen Transistoren Grenzen gesetzt.

Bei einer Dicke von weniger als 3 nm beginnen sich die Eigenschaften von Transistoren auf Siliziumbasis zu verschlechtern. Selbst wenn es Entwicklern gelingt, Siliziumtransistoren sehr klein zu machen, sind sie möglicherweise nicht die beste Wahl. Andere Materialien könnten eine bessere und effizientere Alternative darstellen. Und hier kommen 2D-Materialien ins Spiel. Aufgrund ihrer geringen Dicke können 2D-Materialien verwendet werden, um extrem kleine Transistoren – und andere Nanobauelemente – herzustellen, ohne dass es zu Leistungseinbußen kommt. 2D-Materialien sind eine mögliche Lösung für die Verkleinerung der Transistoren in diesen Architekturen, um effizientere logikbasierte Architekturen zu schaffen. Gleichzeitig bieten sie die Möglichkeit, effizientere speicherbasierte Bauelemente für matrixbasierte Rechenoperationen zu entwickeln.

Warum 2D-Materialien?

Es gibt eine Reihe verschiedener 2D-Materialien, von hochleitfähigen Graphenschichten über verschiedene halbleitende Übergangsmetalldichalcogenide (TMDC) bis hin zu hochisolierendem hexagonalen Bornitrid (h-BN). Jedes der 2D-Materialien, von denen es dank der TMDC-Klasse Hunderte gibt, hat einzigartige Eigenschaften, die genutzt werden können, und ihre Eigenschaften lassen sich leicht anpassen. Zudem können 2D-Materialien physikalisch (nicht chemisch) übereinander gestapelt werden. Dadurch lassen sich Van-der-Waals-Heterostrukturen (vdW) erzeugen, die nicht nur die Eigenschaften der Schichten innerhalb des Materials nutzen, sondern jede spezifische Kombination der Heterostruktur einzigartige Eigenschaften verleiht. Dadurch sind 2D-Materialien eine äußerst anpassungsfähige und vielseitige Materialklasse für die Entwicklung ultrakleiner Strukturen und Bauelemente.

Eines der charakteristischen Merkmale von 2D-Materialien, von dem sich auch ihr Name ableitet, ist, dass ihre Elektronen in einer Dimension eingeschlossen sind und sich in zwei Dimensionen frei bewegen können. Durch diesen Elektroneneinschluss können die 2D-Materialschichten die Gate-Spannung präziser steuern. Außerdem sind sie potenziell immun gegen den Kurzkanaleffekt, bei dem die Kanallänge in der Größenordnung der Verarmungsschichtbreiten des Source- und Drain-Übergangs liegt.

Die atomare Dicke von 2D-Materialien könnte eine alternative Materiallösung für die Nutzung von Quanteneffekten und den Bau effizienterer Computerhardware darstellen und eine Alternative zum Status quo bieten, bei dem die bestehenden Materialarchitekturen nicht mehr effektiv verkleinert werden können.

Matrix Computing

Das Matrix-Computing ist, wie bereits erwähnt, einer der Schlüsselbereiche, in denen 2D-Materialien mehr individuelle Computing-Optionen ermöglichen können. Bei Matrix-Computing-Applikationen sind die Kernkomponenten je nach Architektur Speicher und transistorbasierte Bauelemente. Entwickler können eine Reihe von 2D-Materialien verwenden, um Speicher- und Transistorbauelemente zu entwickeln, darunter ionische Transistoren, Memtransistoren, Flash-Speicher und FETs mit VdW-Heterostrukturen.

Die Merkmale und Eigenschaften von 2D-Materialien ermöglichen eine verbesserte Speicherleistung und bieten die Möglichkeit, 2D-Speicherbaustein-Arrays für effizientere Matrix-Rechenoperationen zu erstellen. Mit dem Einsatz von 2D-Materialien lassen sich auch Matrix-Computing-Operationen verbessern, da sie einen geringeren Stromverbrauch, eine höhere Präzision und Abstimmbarkeit sowie entweder NAND- oder NOR-Speicher bieten und einige der üblichen Probleme von Massenspeichern in diesen Bereichen überwinden können.

Auch bei KI-Applikationen, insbesondere bei neuronalen Netzen, besteht Interesse an einer auf 2D-Materialien basierenden Matrix-Computing-Architektur. Die Speicherzellen in diesen Applikationen müssen besondere Anforderungen erfüllen. Bei künstlichen neuronalen Netzen (ANNs) könnten 2D-Materialien die Anforderungen an nichtflüchtige Speicherbausteine erfüllen, die ein spezielles System zur Codierung von Amplitudeneingangssignalen benötigen.

Für gepulste neuronale Netze (Spiking Neural Networks, SNNs) hingegen ermöglicht die Integration von 2D-Speicherbausteinen und ionischen Transistoren eine realistische Umsetzung der Biomimikry. 2D-Materialien, die durch chemische Gasphasenabscheidung (CVD) hergestellt werden, können Defekte enthalten. In einigen Bereichen mag dies zwar nicht von Vorteil sein, für biomimetische Applikationen ist es jedoch nützlich, da es zu anisotropen Transporteigenschaften führt, die die Ionenwanderung und die Kopplung zwischen Geräten erleichtern – ähnlich wie bei neuronalen Synapsen in der Natur.

Neben den neuronalen Netzen untersuchen Entwickler auch magnetische Speichergeräte auf Basis von 2D-Materialien für Matrix-Computing-Applikationen. Die Eigenschaften von 2D-Materialien verbessern die Leistung dieser Geräte, aber es gibt immer noch Herausforderungen bei diesen Technologien, denn es müssen 2D-Materialien gefunden werden, die höhere Umwelttoleranzen aufweisen als die bisher getesteten.

Logic Computing

Ein weiterer interessanter Bereich für Bauelemente aus 2D-Materialien sind Applikationen für logische Berechnungen (Logic Computing). Beim Logic Computing muss die physikalische Herausforderung der Verkleinerung der Bauelemente und der Erhöhung der Transistordichte gelöst werden. Bei der Verkleinerung auf ultrakleine Größen stagniert die Spannungsskalierung bei vielen Materialien aufgrund des Leckstroms aus den dielektrischen Dünnfilmmaterialien, die neben den leitenden Abschnitten verwendet werden. Für diese Applikationen werden daher 2D-Materialien getestet, denn sie behalten ihre vorteilhaften Eigenschaften in Größenordnungen, die andere Materialien nicht erreichen.

In der derzeitigen Silicon-on-Insulator-Technologie ist es möglich, sehr dünne Kanaltransistoren herzustellen; allerdings nimmt die Beweglichkeit der Ladungsträger in Silizium unterhalb von 3 nm Dicke sehr schnell ab, im Gegensatz zu 2D-Materialien, bei denen die Ladungsträgereigenschaften erhalten bleiben. Da es sowohl isolierende als auch leitende 2D-Materialien gibt, können Entwickler die Schichten übereinander stapeln und auch leitende/halbleitende 2D-Schichten auf herkömmliche isolierende Substrate stapeln. Dadurch können Transistoren aus 2D-Materialien die gleichen Vorteile wie die Silicon-on-Insulator-Technologie bieten (ohne Leistungseinbußen bei kleineren Werten), die Leistung bei steilem Unterschwellenhub und Treiberstrom verbessern und eine größere Immunität gegen den Kurzkanaleffekt erreichen.

Durch die Möglichkeit, 2D-Materialien in vdW-Heterostrukturen zu stapeln, eröffnen sich auch mehr Möglichkeiten für Logik-Computing-Applikationen, einschließlich flächeneffizienterer Logikgatterstrukturen und der Möglichkeit, die Heterostrukturen ohne Probleme mit Gitterfehlanpassungen zu integrieren. Bei Computerchips wird eine Reihe von Logikgattern verwendet, wobei entweder das NAND- oder das NOR-Gatter für den Aufbau des gesamten Logiksystems verwendet werden kann. Bei Bulk-Architekturen wird nur die Oberflächenstruktur für die Konstruktion des Bauelements verwendet, wobei zwei Eingangsanschlüsse (zwei Transistoren) erforderlich sind. Wenn Entwickler jedoch 2D-Materialien für den Aufbau ähnlicher Logiksysteme verwenden, wird nur ein Transistoranschluss für das Eingangssignal benötigt, da sowohl die Ober- als auch die Unterseite der Kanalmaterialien effektiv abgestimmt werden können.

Vorteile könnten sich auch bei der vertikalen Integration von Chips ergeben. Das ist eine gängige Methode zur Erhöhung der Chipdichte. Bulk-Materialien enthalten Gitterverzerrungen, die zu einer geringen Verbindungsdichte führen. Bei 2D-Materialien muss jedoch keine Gitteranpassung vorgenommen werden, da die 2D-Materialien direkt in das Zielsubstrat integriert werden und überflüssige Materialien weggeätzt werden. Bei der Herstellung von Heterostrukturen werden alle nachfolgenden Schichten auf die vorherige Funktionsschicht aufgebracht. Bei vdW-Heterostrukturen gibt es außerdem keine Beschränkungen zwischen den benachbarten Funktionsschichten, sodass jede Schicht unabhängig von den anderen gestapelt werden kann, ganz gleich, ob es sich um eine Rechen- oder Speicherschicht handelt. Entwickler könnten diesen Ansatz in Zukunft nutzen, um die Energieeffizienz der Datenbewegung und die Datenübertragungsrate in zukünftigen logikbasierten Computerarchitekturen zu verbessern.

Fazit

Da die Computerarchitekturen für die nächste Generation von Computerhardware immer kleiner werden, sollten nun Systeme entwickelt werden, die speziell für logische oder matrixbasierte Applikationen konzipiert sind. Die geringe Größe und die elektrischen Eigenschaften von 2D-Materialien bieten sehr gute Entwicklungsperspektiven:

• Ultrakleine Bauelemente, die auch bei einer Größe von weniger als 5 nm nicht beeinträchtigt werden.
• Effizientere speicherbasierte Bauelemente und neuronale Netzwerkarchitekturen für Matrix Computing.
• Effiziente Logik-Gate-Strukturen und eine höhere Transistordichte für Logic Computing.

Die Umsetzung mag zwar einige Zeit in Anspruch nehmen, aber 2D-Materialien haben ein großes Potenzial für künftige Computeranwendungen.