원자적으로 얇은 반도체를 기반으로 한 로직 인 메모리(Logic-in-memory)

기계 학습(Machine learning)을 기반으로 하는 애플리케이션의 중요성이 커짐에 따라 에너지 효율적이고 별도의 로직(Logic)과 메모리 기술 간의 데이터 이동에 크게 의존하지 않는 전용 전자 하드웨어를 개발해야할 필요성이 대두되고 있다. Andras Kis와 연구진들은 메모리 요소를 사용하여 논리 연산을 직접 수행할 수 있는 재구성 가능한 논리 회로를 시연하였다. 이러한 회로의 기본 구성 요소는 활성 채널 물질로 이황화 몰리브덴(Molybdenum disulfide)의 단일층을 이용하는 FGFET (Floating-gate field-effect transistors)이다. 프로그래밍 가능한 NOR 게이트를 넘어서는 복잡한 기능을 구현할 수 있음을 보여주기 위해 이 접근 방식을 확장해야 하지만, 메모리와 논리 연산의 직접 통합은 잠재적으로 처리 속도를 높일 수 있으며 에너지 효율적인 회로 실현을 위한 2차원 물질의 잠재력을 보여준다.