Thế hệ chip tương lai nhanh hơn và hiệu quả hơn rất nhiều. (Ảnh: Yuichiro Chino)
"Tất cả các thiết bị điện tử hiện tại đều sử dụng chip làm từ silicon, một vật liệu ba chiều", Shoaib Khalid, một nhà vật lý tại Phòng thí nghiệm nghiên cứu Plasma Princeton, cho biết. Hiện nay, nhiều công ty đang đầu tư rất nhiều vào chip làm từ vật liệu hai chiều (2D)".
Vật liệu 2D này, được gọi là dichalcogenide kim loại chuyển tiếp (TMD), có thể chỉ dày vài nguyên tử. Chip máy tính được làm từ chất bán dẫn siêu mỏng này có thể cho phép phát triển các thiết bị nhỏ hơn, nhanh hơn bằng cách tích hợp nhiều năng lượng xử lý hơn vào một diện tích bề mặt nhỏ hơn.
Trong một nghiên cứu được công bố trên tạp chí 2D Materials, nhóm của Khalid đã tìm hiểu xem việc sử dụng TMD thay vì silicon có phải là giải pháp cho quan niệm cho rằng sự đổi mới với chip nền silicon có thể đã đạt đến đỉnh cao hay không. TMD mỏng nhất chỉ dày ba nguyên tử và được sắp xếp giống như một chiếc bánh sandwich. Các nhà khoa học đã nghiên cứu xem liệu họ có thể khai thác những khiếm khuyết nhỏ có kích thước bằng nguyên tử trong TMD dày hơn một chút hay không.
Trong khi hầu hết các nguyên tử trong TMD được sắp xếp theo thứ tự, thỉnh thoảng một nguyên tử sẽ bị thiếu hoặc bị nhét vào một nơi nào đó không thuộc về nó. Mặc dù vậy, các nhà khoa học cho biết, khiếm khuyết không nhất thiết là điều xấu. Ví dụ, một số khiếm khuyết làm cho TMD dẫn điện tốt hơn.
Để tận dụng những tác động tích cực của khiếm khuyết và giảm thiểu mọi hậu quả tiêu cực, các nhà khoa học cần hiểu cách khuyết tật phát sinh và cách chúng ảnh hưởng đến hiệu suất của vật liệu. Trong nghiên cứu, nhóm của Khalid đã xác định loại khuyết tật nào hình thành dễ dàng nhất trong TMD và nghiên cứu cách những khuyết tật đó định hình các đặc tính của vật liệu.
Các nhà khoa học cho biết, việc hiểu được cách những khiếm khuyết này ảnh hưởng đến hiệu suất TMD có thể giúp các nhà nghiên cứu tạo ra chip máy tính thế hệ tiếp theo. Mặc dù chip TMD chưa sẵn sàng ra mắt thị trường, các công ty đang khám phá chip TMD siêu mỏng để giải quyết các hoạt động AI tiêu tốn nhiều năng lượng.