Projekt CONAN2D (UIP-2019-04-3493) Hrvatske zaklade za znanost

Projekt CONAN2D će istražiti karakteristike nanotranzistora temeljenih na novim 2D materijalima otkrivenima nakon grafena. Istraživačka grupa će razviti napredni računalni program za atomističke simulacije i predviđanje performansi ovih nanotranzistora. Razvijeni program će spariti dvije napredne metode: ab initio teoriju funkcionala gustoće (DFT) i kvantni transport temeljen na formalizmu Greenove funkcije izvan termodinamičke ravnoteže (NEGF). DFT daje točnu strukturu energijskih pojaseva materijala s atomističkom rezolucijom, dok NEGF inherentno uključuje kvantnomehaničke efekte koji su prisutni u ekstremno skaliranim tranzistorima. Simulator ćemo implementirati na hibridnoj CPU-GPU platformi s paraleliziranim izvršenjem programskog koda da bi se omogućile simulacije na računalnom grozdu i na sveučilišnom superračunalu. Razvijeni alat će biti korišten za istraživanje utjecaja geometrije, dimenzija, materijala u stogu upravljačke elektrode i kristalnih defekata na karakteristike tranzistora. Provest će se projektiranje, istražiti mogućnosti optimizacije performansi i analizirati varijabilnost karakteristika uzrokovanu defektima. Ishodi istraživanja će odgovoriti na pitanje jesu li odabrani materijali ostvarive i uvjerljive alternative klasičnom volumnom siliciju i drugim 2D materijalima za sljedeće generacije poluvodičke tranzistorske tehnologije.

 

  Projekt DOK-2020-01-7349 Hrvatske zaklade za znanost

Istraživački rad doktoranda će se uklopiti u planirane aktivnosti projekta CONAN2D te će dodatno proširiti doseg projekta analizom novih nanoelektroničkih elemenata temeljenih na 2D materijalima. Naime, istraživačka tema za ovog doktoranda su memristori temeljeni na 2D materijalima za koje se predviđa upotreba u budućim neuromorfnim integriranim sklopovima. Korištenjem 2D materijala moguće je ostvariti memristore debljine manje od 2 nm što predstavlja golemu motivaciju za istraživanje i razvoj hardverskih memristorskih neuronskih mreža temeljenih na mrežnoj strukturi za umjetnu inteligenciju na čipu. Glavni ciljevi doktorskog rada doktoranda su teorijski objasniti memristorski efekt u odabranim nanostrukturama, razviti modele i metode za atomističke numeričke simulacije, provesti projektiranje i analizu memristora te računalno demonstrirati sklopovski rad neuronske mreže temeljene na takvim memristorima.