Physikalische Grenzen von Transistoren lassen sich überwinden

Forscher sehen einen Weg, die Energieeffizienz moderner Chips deutlich zu steigern. Ein neues theoretisches Modell zeigt, dass sogenannte Memtransistoren die bisherigen physikalischen Grenzen klassischer Halbleitertransistoren überwinden könnten.

Vorbei am Boltzmann-Limit

In dem internationalen Forschungsteam unter Leitung von Victor Lopez-Richard von der Federal University of São Carlos arbeiteten dabei Wissenschaftler der Universität Würzburg sowie der University of Richmond zusammen. Im Mittelpunkt stand die Frage, wie sich Transistoren zukünftig effizienter schalten lassen, ohne dass der Energieverbrauch weiter steigt. Die Ergebnisse wurden jetzt in der Fachzeitschrift Physical Review Applied veröffentlicht.

Transistoren bilden die Grundlage praktisch aller modernen Computerchips. Seit Jahrzehnten konnten Hersteller immer mehr dieser winzigen Schalter auf engem Raum unterbringen. Doch Fachleute gehen zunehmend davon aus, dass diese Entwicklung an ihre Grenzen stößt. Ein wesentliches Hindernis ist dabei das sogenannte Boltzmann-Limit. Dieses beschreibt eine thermodynamische Untergrenze dafür, wie wenig Energie beim Ein- und Ausschalten elektronischer Bauteile verbraucht werden kann.


Die Forscher schlagen nun einen anderen Ansatz vor. Statt auf komplizierte Technologien wie ferroelektrische Materialien oder Quanteneffekte zu setzen, wollen sie vorhandene Eigenschaften nanoskaliger Bauteile besser nutzen. Einige Transistoren besitzen nämlich eine Art Gedächtnis: Elektronen können kurzfristig im Kristallgitter des Halbleiters eingeschlossen und später wieder freigesetzt werden. Dadurch hängt das Verhalten des Bauteils teilweise davon ab, wie es zuvor geschaltet wurde.

Effizienter rechnen

Das Team entwickelte ein theoretisches Modell, das diese Speicher- und Transporteigenschaften gemeinsam beschreibt. Nach Angaben der Wissenschaftler könnten solche Memtransistoren dadurch Schaltvorgänge ermöglichen, die effizienter sind als bei herkömmlichen Halbleitern. Zudem liefere das Modell konkrete Hinweise für die Optimierung zukünftiger Bauteile.

Langfristig könnte die Forschung neue energieeffiziente Computerarchitekturen ermöglichen. Besonders interessant wäre dies für sogenannte neuromorphe Systeme, die sich an der Funktionsweise des menschlichen Gehirns orientieren, sowie für In-Memory-Computing, bei dem Datenverarbeitung und Speicherung enger zusammengeführt werden.


Siehe auch: