[科普]神奇的混合忆阻器AI芯片可扩展

[科普]神奇的混合忆阻器AI芯片可扩展

一项新的研究发现，通过将原子薄器件与传统的微芯片相结合，科学家们创造了模仿大脑的混合电子设备，可以帮助实现神经网络人工智能系统，其能效远远高于标准电子设备。

随着电子产品越来越小，科学家们正在为下一代电子产品研究原子薄的2D材料。例如，石墨烯由单层碳原子组成，二硫化钼由夹在两层硫原子之间的一片钼原子制成。

MARIO LANZA

研究高级作者Mario Lanza是位于沙特阿拉伯图瓦尔的阿卜杜拉国王科技大学材料科学与工程副教授，他说：“二维材料不仅具有最先进的电气性能，而且还具有优异的热、机械、光学和化学特性，这可能会产生目前尚不存在的新应用。”

“Most people’s expertise is in semiconductors. We are experts in insulators.”—Mario Lanza, King Abdullah University of Science and Technology

多个研究团队开发了基于2D材料的原型设备。然而，没有一个显示出计算或存储数据的能力。此外，它们的制造主要依赖于与标准工业技术不兼容的合成和加工方法。此外，操纵单层2D材料是具有挑战性的，因为当将它们从生长它们的表面转移到对应用更有用的衬底上时，可能会出现缺陷。这些缺陷降低了器件的一致性和成品率。

现在，科学家们已经创造了他们所说的第一个用2D材料制造的密集集成微芯片，所有这些都使用了与半导体行业兼容的工艺。Lanza说：“我们不仅取得了优异的特性，而且还实现了高产量和低变异性。”

在这项新的研究中，研究人员用六方氮化硼进行了实验。这种原子级薄的陶瓷经常被用作2D电子器件中的绝缘材料。“大多数人的专业知识都在半导体领域，”Lanza说，“我们是绝缘体方面的专家。”

科学家们希望克服以前基于2D材料的设备所面临的许多挑战。例如，Lanza和他的同事们没有试图用2D材料制造晶体管，而是致力于制造忆阻器。忆阻器，或称记忆电阻器，本质上是一种开关，可以在电源关闭后记住它们被切换到哪种电状态。

MARIO LANZA

Lanza说：“大多数团队都专注于晶体管，可能是因为它们是电子产品的旗舰部件。相反，我们专注于忆阻器，它目前的市场规模要小得多，但在数据存储、计算、加密和通信方面也有巨大的潜力。”

世界各地的科学家希望使用忆阻器和类似的组件来制造像神经元一样既能计算又能存储数据的电子设备。当传统的微芯片在处理器和存储器之间来回搅乱数据时，这些忆阻器件可以大大减少能量和时间损失。这种受大脑启发的神经形态硬件也可能被证明是实现神经网络的理想选择。这些人工智能系统越来越多地被用于支持自动驾驶汽车和分析医疗扫描等应用。

Lanza说，忆阻器是“能够容忍缺陷的简单设备”。相比之下，晶体管“需要完美的晶体材料”，他如此解释道。此外，之前的大多数工作都依赖于只有一两层厚的2D材料，Lanza和他的同事使用了一张由大约18层组成的2D材料片，总厚度约为6纳米。Lanza说：“这种较厚的材料不那么容易破裂。”

此外，研究人员没有在空白基板（如传统的硅晶片）上制造2D器件，而是在标准CMOS微芯片上制造2D设备。微芯片可以帮助控制忆阻器中的电流和开关，这有助于成功地制造2D器件。

制造用于计算的晶体管的研究人员通常使用所谓的前端线步骤。相比之下，Lanza和他的同事在连接晶圆上器件的线路互连的后端建造了忆阻器。忆阻器通常以这种方式集成到微芯片上，“不同之处在于我们使用了2D材料而不是其他材料，”Lanza说。

研究人员将一层六方氮化硼多层片转移到4平方厘米硅微芯片的后端线互连上，该芯片包含200毫米硅片上180纳米节点的CMOS晶体管。接下来，他们通过蚀刻六方氮化硼并在顶部构图和沉积电极，用这种组合制造电路。这些电路每个都由5乘5的交叉单元阵列组成，每个交叉单元阵列由一个晶体管和一个忆阻器组成。

研究人员指出，尽管大多数使用2D材料制造的器件尺寸超过1平方微米，但新研究中的忆阻器只有0.053µm2。Lanza说，这些忆阻器“如果有更先进的微芯片，可以很容易地制造得更小”。

CMOS晶体管有助于控制2D忆阻器上的电流。这有助于实现约500万次开关循环的忆阻器寿命，与现有的电阻RAM和相变存储器大致相当。在没有CMOS晶体管的情况下，忆阻器只经历了大约100次循环。

研究人员表明，他们可以用设备进行内存计算操作，构建“或”和“暗示”逻辑门。通过修改设备之间的互连，他们可以运行更复杂的操作。

此外，科学家们注意到，通过施加电脉冲，混合微芯片的电导率可以动态调整到不同的水平，这种特性被称为尖峰时间依赖性塑性。这一特征表明，该设备可以帮助实现比传统神经网络更接近模仿人脑的尖峰神经网络。

尖峰神经网络中的关键组件是“尖峰”，也就是说，只有在给定时间内接收到一定量的输入信号后，才会产生输出信号。由于尖峰神经网络很少发射尖峰，因此与典型的人工神经网络相比，它们的数据量要少得多，原则上所需的功率和通信带宽也要少得多。科学家们指出，传统的电子设备不太适合运行尖峰神经网络，这导致市场需要开发新的神经形态硬件来运行它们。

作为原理的证明，研究人员使用他们的设备创建了一个尖峰神经网络，当用Modified National Institute of Standards and Technology（MNIST）手写数字数据库的图像进行分类测试时，这种简单的设备仍然实现了大约90%的准确率。

科学家们注意到，他们的设备需要大约1.4到5伏的开关电压，与2D材料领域的其他原型相比，这一电压较低，后者可能需要超过20伏的电压。尽管如此，他们注意到这一电压高于180nm CMOS节点处使用的电压。然而，他们认为这种电压可能不会阻碍这项技术的发展，因为有许多商业微芯片在更高的电压下工作，例如，最先进的3D-NAND闪存在大约20伏的电压下编程，所有用于汽车应用的双极CMOS微芯片都需要高达40伏的电压。

此前，IBM的研究人员曾试验过在微芯片上放置2D材料的好处。Lanza说，2011年，他们制造了一个包含一个石墨烯晶体管和两个电感器的电路，并在2014年开发了一个更大的电路，其中包含三个石墨烯晶体、四个电感器、三个电容器和两个电阻器。然而，IBM显然放弃了这种方法，“可能是因为转移单层2D材料的困难，”他说。相比之下，Lanza和他的同事使用了一种更耐用的18层厚的材料。他预测，“现在许多其他科学家将在功能性微芯片上而不是非功能性SiO2衬底上创建他们的原型，这将引发更多的发现。”

Lanza还指出，2D材料通常属于材料科学家，而不是微芯片工程师。他说：“要做我们做的实验，你需要使用特定的软件设计一个微芯片，然后制作一个多项目的晶圆带，或者像我们的情况一样，制作一个完整的晶圆。如果你使用180纳米节点的CMOS技术，就像我们的情况一样，第一个成本为25000美元，第二个成本为100000美元。许多研究小组不仅无法设计这个，他们甚至负担不起。在我们的案例中，清华大学的同事提供了晶圆，我集成了材料。”

Lanza提到，他们的研究已经吸引了领先半导体公司的兴趣。科学家们现在的目标是超越4平方厘米的硅微芯片，“制造整个300毫米的晶圆”。

科学家们在3月27日的《自然》杂志上详细介绍了他们的发现。