Face à l’explosion du Big Data, l’ingénierie matérielle est mise à rude épreuve. En effet, l’omniprésence d’immenses bases de données à archiver, explorer et analyser en temps réel requiert une réflexion novatrice autour des microprocesseurs. Ces dispositifs se doivent d’être plus compacts, plus rapides et plus économes en énergie pour suivre le rythme soutenu des innovations numériques.
C’est dans ce contexte qu’émergent les transistors à effet de champ ferroélectrique (FE-FETs), des solutions technologiques particulièrement prometteuses.
À l’instar des transistors traditionnels basés sur le silicium, les FE-FETs fonctionnent comme des interrupteurs, s’activant et se désactivant à une vitesse stupéfiante pour communiquer les fameux 1 et 0 qui orchestrent les opérations informatiques. Toutefois, les FE-FETs disposent d’une fonction supplémentaire: grâce à leurs propriétés ferroélectriques, ils sont capables de conserver une charge électrique.
Ce caractère non-volatile fait des FE-FETs des candidats idéaux pour les dispositifs de mémoire, ainsi que pour le calcul informatique. Leur capacité à stocker et traiter les données simultanément fait l’objet de nombreux projets de recherche et développement. Un FE-FET performant pourrait réduire considérablement la taille et la consommation énergétique des dispositifs traditionnels, tout en augmentant leur rapidité.
Nouveau design de FE-FET présenté par l’Université de Pennsylvanie
Des chercheurs de l’École d’Ingénierie et de Sciences Appliquées de l’Université de Pennsylvanie ont récemment présenté un nouveau design de FE-FET affichant des performances inégalées en matière de calcul et de mémoire.
Une étude récente publiée dans Nature Nanotechnology, menée par le professeur associé Deep Jariwala et le doctorant Kwan-Ho Kim a dévoilé ce design innovant. Ils ont collaboré avec leurs collègues Troy Olsson et Eric Stach, également membres du corps professoral de Penn Engineering.
Le transistor nouvellement conçu superpose un semi-conducteur bidimensionnel appelé disulfure de molybdène (MoS2) sur un matériau ferroélectrique connu sous le nom de nitrure d’aluminium scandium (AlScN). Pour la première fois, il a été démontré que ces deux matériaux peuvent être efficacement combinés pour créer des transistors à des échelles compatibles avec la production industrielle.
Une alliance efficace : MoS2 et AlScN
L’appareil conçu par l’équipe de Penn Engineering se distingue par sa finesse sans précédent. Cela permet à chaque appareil de fonctionner avec une surface minimale, favorisant ainsi la production à grande échelle. De plus, ces dispositifs miniaturisés peuvent être fabriqués en vastes ensembles, adaptés aux plates-formes industrielles.
« Avec notre semi-conducteur, le MoS2, mesurant seulement 0,7 nanomètre, nous n’étions pas sûrs qu’il puisse résister à la quantité de charge que notre matériau ferroélectrique, l’AlScN, injecterait en lui« , précise Kwan-Ho Kim. « À notre grande surprise, non seulement les deux ont survécu, mais la quantité de courant que ce dispositif permet au semi-conducteur de transporter était également record. »
Des propriétés ferroélectriques conservées malgré la miniaturisation
Jusqu’à présent, les efforts pour miniaturiser les FE-FETs se sont heurtés à une perte de propriétés ferroélectriques lorsque les appareils atteignent des échelles adaptées à l’industrie. Cela entraînait une diminution significative de la « fenêtre de mémoire », causant des erreurs de mémoire et compromettant la performance globale du dispositif.
Cependant, le laboratoire Jariwala et ses collaborateurs ont réussi à concevoir un dispositif qui maintient une large fenêtre de mémoire malgré des dimensions extrêmement réduites. Avec un AlScN de 20 nanomètres et un MoS2 de 0,7 nanomètre, le FE-FET stocke de manière fiable les données pour un accès rapide.
« La clé« , ajoute Troy Olsson, « est notre matériau ferroélectrique, l’AlScN. Contrairement à de nombreux matériaux ferroélectriques, il conserve ses propriétés uniques même lorsqu’il est très fin. Dans un article récent de mon groupe, nous avons montré qu’il peut conserver ses propriétés ferroélectriques uniques même à des épaisseurs plus réduites: 5 nanomètres.«
De belles perspectives à venir
L’équipe de Penn Engineering se concentre désormais sur la miniaturisation de ces dispositifs afin de produire des appareils fonctionnant avec des tensions suffisamment faibles pour être compatibles avec la fabrication de dispositifs grand public de pointe.
« Nos FE-FETs sont incroyablement prometteurs, affirme pour conclure Deep Jariwala. Avec un développement ultérieur, ces appareils polyvalents pourraient trouver leur place dans presque toutes les technologies que vous pouvez imaginer, en particulier celles qui sont basées sur l’IA et qui consomment, génèrent ou traitent d’énormes quantités de données – de la détection à la communication, et bien plus encore. »
En synthèse
Les FE-FETs constituent une réponse brillante aux défis que pose l’explosion du Big Data. Leur aptitude à stocker et à traiter les données offre un potentiel considérable pour réduire la taille et la consommation d’énergie des dispositifs électroniques, tout en augmentant leur rapidité. L’équipe de l’Université de Pennsylvanie a récemment introduit un design innovant de FE-FET, avec des performances exceptionnelles en matière de calcul et de mémoire. Cet exploit technologique pourrait bien ouvrir la voie à une nouvelle ère dans le domaine de l’ingénierie matérielle.
Pour une meilleure compréhension
- Qu’est-ce qu’un FE-FET ? Un FE-FET est un type de transistor qui a la capacité de retenir une charge électrique, lui permettant de stocker des données.
- Qu’est-ce que le Big Data ? Le Big Data fait référence à de grandes quantités de données qui sont traitées et analysées pour révéler des tendances et des schémas.
- Quels sont les avantages potentiels des FE-FETs ? Ils sont plus petits, plus rapides et plus économes en énergie que les dispositifs traditionnels.
- Qu’a fait l’équipe de l’Université de Pennsylvanie ? Ils ont conçu un nouveau type de FE-FET qui a montré des performances record en matière de calcul et de mémoire.
