GS.TS Phan Bách Thắng, Hiệu trưởng trường Đại học Khoa học Sức khỏe thuộc Đại học Quốc gia TP.HCM, cùng ba nhà khoa học khác vừa được Cơ quan Sáng chế và Nhãn hiệu Mỹ (USPTO) cấp bằng sáng chế cho công nghệ chế tạo memristor sử dụng nền tảng vật liệu oxit crom (CrOx).
Bốn nhà khoa học Việt được cấp bằng sáng chế Mỹ
Theo Đại học Quốc gia TP.HCM, bốn nhà khoa học đồng tác giả của bằng sáng chế bao gồm PGS.TS Phạm Kim Ngọc và ThS Phạm Phú Quân (trường Đại học Khoa học Tự nhiên TP.HCM), GS.TS Phan Bách Thắng (Hiệu trưởng trường Đại học Khoa học Sức khỏe), cùng PGS.TS Nguyễn Trần Thuật (Viện Bán dẫn và Vật liệu Tiên tiến, Đại học Quốc gia Hà Nội). Bằng sáng chế có tên "Memristor Structures with Analog Switching Characteristics and Method for Fabricating the Same", được USPTO cấp ngày 30/6/2026.
Vật liệu oxit crom – hướng đi mới cho memristor
Khác với phần lớn các nghiên cứu về memristor trên thế giới hiện nay tập trung vào các hệ vật liệu oxit kim loại như TiO2, HfOx hay TaOx, nhóm nghiên cứu đã phát triển và bảo hộ nền tảng vật liệu mới dựa trên oxit crom (CrOx). Bằng sáng chế không chỉ bảo hộ một cấu trúc linh kiện cụ thể mà còn xây dựng CrOx thành nền tảng vật liệu có thể kết hợp linh hoạt với nhiều lớp oxit và điện cực kim loại để phát triển các thế hệ memristor mới.
Memristor mở ra triển vọng cho phần cứng AI
Theo nhóm nghiên cứu, hướng tiếp cận này tạo tiền đề phát triển các linh kiện có khả năng lưu trữ đa trạng thái và hoạt động phi tuyến, những đặc tính quan trọng để hiện thực hóa các khớp thần kinh điện tử (artificial synapses) trong các hệ thống tính toán lấy cảm hứng từ não bộ. Một điểm đáng chú ý khác của bằng sáng chế là kiến trúc mảng khớp thần kinh điện tử (synapse arrays) tích hợp bộ chọn lọc thụ động. Trong kiến trúc này, mỗi memristor vừa đảm nhiệm chức năng lưu trữ, vừa xử lý thông tin ngay tại vị trí của mình, thay vì liên tục truyền dữ liệu giữa bộ nhớ và bộ xử lý như kiến trúc máy tính truyền thống.
Nhóm nghiên cứu chia sẻ giải pháp này có thể mở ra khả năng phát triển các chip In-Memory Computing và Neuromorphic Computing, góp phần giảm mức tiêu thụ năng lượng, tăng tốc độ xử lý và nâng cao hiệu quả tính toán cho các ứng dụng AI trong tương lai.
