Telset.id – Peneliti dari Xidian University bersama City University of Hong Kong dan Fudan University berhasil mendemonstrasikan desain memori baru berbasis wurtzite ferroelectrics yang mampu menuntaskan sekitar 10 miliar siklus tulis, atau sekitar 100 kali lipat dari batas sebelumnya. Terobosan ini membuka peluang bagi chip memori berdensitas tinggi dan berdaya rendah yang dibutuhkan sistem AI generasi mendatang.
Selama ini, pengujian pada chip aluminium scandium nitride (AlScN) yang dikembangkan sebelumnya berhenti berfungsi setelah sekitar 100 juta siklus tulis. Kegagalan berulang itu mendorong para peneliti menelusuri penyebabnya hingga ke skala atomik, dan mereka menemukan akar masalahnya: atom nitrogen yang hilang.
Temuan tersebut menjadi inti dari terobosan memori AI ini. Alih-alih menerima batas 100 juta siklus sebagai keterbatasan permanen, tim peneliti merancang struktur baru untuk meminimalkan keberadaan nitrogen vacancy dan memperlambat kerusakan material. Hasilnya, siklus tulis yang dicapai melonjak jauh melampaui capaian sebelumnya.
Perilaku Atom Nitrogen di Balik Kegagalan Chip
Wang Ruiqing, peneliti doktoral di Xidian University sekaligus salah satu penulis makalah riset yang diterbitkan di jurnal Science, menjelaskan persoalan ini lewat sebuah analogi. “Bayangkan material ferroelectrics sebagai ladang jagung yang ditanam rapi,” kata Wang, “dengan nitrogen vacancy mewakili titik-titik tempat bibitnya hilang.”
Yang menjadi masalah bukanlah keberadaan cacat tersebut, melainkan perilakunya saat proses switching berlangsung. Nitrogen vacancy tidak tinggal diam, tetapi bergerak dan bahkan berkumpul. Akibatnya, terbentuk “jalur” yang memungkinkan listrik bocor.
Sebelumnya, para peneliti mengetahui bahwa perangkat tersebut gagal dan bisa mengamati sejumlah gejalanya, tetapi belum ada yang mampu menjelaskan pada skala atomik apa yang bergerak, bagaimana pergerakannya, dan bagaimana pergerakan itu akhirnya menyebabkan kegagalan. Penelitian ini menjawab pertanyaan tersebut secara eksplisit.
Baca Juga:
Mengapa Wurtzite Ferroelectrics Menjadi Kunci Memori AI
Menciptakan memori dan penyimpanan yang lebih cepat dengan kapasitas lebih besar namun tetap hemat energi menjadi target utama industri komputasi. Dalam beberapa tahun terakhir, riset kian mengarah pada wurtzite ferroelectrics, yaitu material kristal polar seperti AlScN, yang memiliki keunggulan kompatibel dengan proses manufaktur semikonduktor yang digunakan saat ini.
Material ini juga menawarkan target energi rendah sekaligus kecepatan switching superior yang dibutuhkan penyimpanan cepat. Sampai sekarang, tantangan utamanya adalah reliabilitas, dan itulah yang mulai dijawab oleh demonstrasi 10 miliar siklus tulis ini.
Kebutuhan akan memori yang lebih andal ini muncul seiring makin besarnya beban kerja AI. Infrastruktur pendukung AI terus berkembang, sejalan dengan langkah industri yang memperbesar kapasitas komputasi seperti yang terlihat pada penambahan infrastruktur AI berskala besar. Di sisi lain, pengawasan terhadap teknologi AI juga menguat, misalnya melalui langkah regulasi deepfake AI di China.
Jika berhasil, RAM dan storage berbasis AlScN berpotensi menjadi tulang punggung server farm masa depan dan menyediakan kerangka bagi adopsi LLM serta kecerdasan buatan yang lebih luas. Kebutuhan tersebut tidak terlepas dari tren tata kelola AI yang juga menjadi perhatian para pelaku industri, termasuk soal regulasi AI yang terus diperdebatkan.
Dengan struktur baru yang meminimalkan nitrogen vacancy, laju deteriorasi material dapat diperlambat. Pendekatan ini berbeda dari upaya sebelumnya yang hanya mengamati gejala kegagalan tanpa memahami mekanisme di baliknya. Penjelasan pada skala atomik inilah yang menjadi dasar perancangan struktur tersebut.
Angka 10 miliar siklus tulis menjadi penanda sejauh mana peningkatan daya tahan yang dicapai dibandingkan batas lama 100 juta siklus. Pencapaian ini juga menegaskan bahwa kendala reliabilitas yang selama ini membatasi pengembangan chip AlScN mulai menemukan titik terang.
Makalah riset yang memuat temuan ini telah diterbitkan di jurnal Science, dengan Wang Ruiqing dari Xidian University sebagai salah satu penulisnya. Kolaborasi ini melibatkan tim dari Xidian University, City University of Hong Kong, dan Fudan University.
Bagi industri, implikasi paling langsung adalah terbukanya jalur menuju chip memori berdensitas tinggi dan berdaya rendah yang selama ini sulit diwujudkan karena keterbatasan daya tahan. Selama ini, kombinasi kapasitas besar, kecepatan tinggi, dan konsumsi energi rendah menjadi target yang sulit dicapai sekaligus.
Keunggulan kompatibilitas AlScN dengan proses manufaktur semikonduktor yang sudah berjalan membuat material ini menarik untuk dikembangkan lebih lanjut. Artinya, adopsi tidak sepenuhnya bergantung pada pembangunan lini produksi yang benar-benar baru.
Permintaan akan memori yang lebih cepat dan lebih tahan lama kini datang dari kebutuhan pemrosesan AI yang terus berkembang. Sistem AI generasi berikutnya menuntut performa yang jauh lebih tinggi dibandingkan yang tersedia saat ini, sehingga peningkatan daya tahan pada level material menjadi relevan.
Dengan demonstrasi 10 miliar siklus tulis, para peneliti menunjukkan bahwa hambatan utama pada AlScN dapat diatasi melalui desain struktur yang menargetkan nitrogen vacancy. Penemuan perilaku atom nitrogen saat switching menjadi dasar perubahan pendekatan tersebut.
Langkah ini menempatkan wurtzite ferroelectrics sebagai salah satu kandidat kuat untuk memori masa depan, terutama karena kombinasi kecepatan switching, target energi rendah, dan kompatibilitas manufaktur yang dimilikinya. Kendala reliabilitas yang sebelumnya menjadi penghalang kini mulai tertangani.
Komentar
Belum ada komentar.