AI芯片新选择，忆阻器的作用

一项新的研究发现，通过将原子级薄型设备与传统微芯片相结合，科学家们创造了模仿大脑的混合电子设备，可以帮助以比标准电子设备更节能的方式实施神经网络人工智能系统。

随着电子产品变得越来越小，科学家们正在研究用于下一代电子产品的原子级薄二维材料。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构成。

“二维材料不仅具有最先进的电气性能，而且还具有出色的热、机械、光学和化学性能，这可能会产生现在不存在的新应用，”资深研究作者Mario Lanza说。 

多个研究团队开发了基于二维材料的原型设备。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，操纵单层二维材料具有挑战性，因为当将它们从它们生长的表面转移到对应用更有用的基板上时，可能会出现缺陷。这些缺陷降低了设备的一致性和产量。

现在，科学家们创造了他们所说的第一个用二维材料制造的密集集成微芯片，所有这些都使用与半导体行业兼容的工艺。“我们不仅实现了优异的性能，而且还实现了高产量和低可变性，”Lanza 说。

在这项新研究中，研究人员对六方氮化硼进行了实验。这种原子级薄的陶瓷通常用作 2D 电子产品中的绝缘材料。“大多数人的专长是半导体，”Lanza 说。“我们是绝缘体专家。”

科学家们希望克服以前基于二维材料的设备所面临的许多挑战。例如，Lanza 和他的同事并没有试图用二维材料制造晶体管，而是打算制造忆阻器。忆阻器或记忆电阻器本质上是开关，可以记住它们在电源关闭后切换到的电状态。

“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组件，”Lanza 说。“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。”

全世界的科学家都希望使用忆阻器和类似元件来构建像神经元一样可以计算和存储数据的电子设备。当传统微芯片在处理器和内存之间来回移动数据时，这些忆阻设备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用于支持自动驾驶汽车和分析医学扫描等应用。

忆阻器是“容错的简单设备”，Lanza 说。相比之下，晶体管“需要完美的晶体材料，”他解释道。Lanza 指出，忆阻器也不会遇到晶体管会遇到的其他问题，例如接触电阻——即它们与其他组件接触点处的电阻。

此外，之前的大多数工作都依赖于只有一层或两层厚的二维材料，而 Lanza 和他的同事使用了一片由大约 18 层组成的二维材料，总厚度约为 6 纳米。“这种较厚的材料不容易开裂，”Lanza说。

此外，研究人员不是在传统硅晶圆等空白基板上构建二维设备，而是在标准 CMOS 微芯片上制造二维设备。微芯片可以帮助控制忆阻器中的电流和开关，这有助于成功制造二维设备。

制造用于计算的晶体管的研究人员通常使用所谓的前端步骤。相比之下，Lanza 和他的同事将他们的忆阻器构建在连接晶圆上设备的后端线路互连上。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二维材料而不是其他材料，”Lanza 说。

研究人员将多层六方氮化硼片转移到 4 平方厘米硅微芯片的后端互连线上，该硅微芯片包含 200 毫米硅晶片上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图案化和沉积电极，用这种组合制造电路。这些电路每个都由 5×5 的交叉单元阵列组成，每个单元由一个晶体管和一个忆阻器组成。

研究人员指出，虽然大多数使用二维材料制造的设备尺寸都超过 1 平方微米，但新研究中的忆阻器仅为 0.053 µm 2 。如果有更先进的微芯片可用，这些忆阻器“可以很容易地做得更小，”Lanza说。

CMOS 晶体管有助于控制二维忆阻器上的电流。这有助于实现忆阻器约 500 万次开关周期的耐用性，与现有的电阻式 RAM和相变存储器大致相当。如果没有 CMOS 晶体管，忆阻器只能承受大约 100 个周期。

研究人员展示了他们可以使用他们的设备执行内存计算操作，构建“or”和“imply”逻辑门。他们指出，他们可以通过修改设备之间的互连来运行更复杂的操作。

此外，科学家们指出，混合微芯片的电导率可以通过施加电脉冲动态调整到不同的水平，这种特性称为尖峰时间依赖性可塑性。此功能表明该设备可以帮助实现尖峰神经网络，该网络比传统神经网络更能模仿人脑。

尖峰神经网络中的关键组件——“spike”，只有在给定时间内接收到一定数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触发尖峰，因此与典型的人工神经网络相比，它们处理的数据要少得多，原则上需要更少的功率和通信带宽。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，因此市场需要开发新的神经形态硬件来运行它们。

作为原理证明，研究人员使用他们的设备创建了一个尖峰神经网络，该设备具有 784 个输入神经元、一个由 400 个神经元组成的兴奋层和一个由 400 个神经元组成的抑制层。当使用标准任务进行测试时——对修改后的国家标准与技术研究所 (MNIST) 手写数字数据库中的图像进行分类——这个简单的设备仍然达到了大约 90% 的准确率。

科学家们指出，他们的设备需要大约 1.4 至 5 伏的电压来进行切换，这与二维材料领域的其他原型相比较低，后者可能需要超过 20 伏的电压。不过，他们指出，这个电压高于当时使用的电压180 纳米 CMOS 节点。然而，他们认为这个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可以在更高的电压下运行——例如，最先进的 3D-NAND 闪存的编程电压大约为 20 V，所有用于汽车应用的双极 CMOS 微芯片都需要高达 40 V 的电压。

此前，IBM 研究人员试验了将 2D 材料放置在微芯片上的好处。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 年开发了一个包含三个石墨烯晶体管、四个电感器、三个电容器和两个电阻器的更大电路，Lanza 说。然而，IBM 显然放弃了这种方法，“可能是因为难以转移单层二维材料，”他说。相比之下，Lanza 和他的同事使用了一种更耐用的 18 层厚材料。他预测“现在许多其他科学家将在功能性微芯片而不是非功能性 SiO2 基板上创建他们的原型，这将引发更多发现。”

Lanza 还指出，二维材料通常是材料科学家的领域，而不是芯片工程师的领域。“要进行我们所做的实验，您需要使用特定软件设计微芯片，然后进行多项目晶圆流片，或者像我们的情况一样，流片整个晶圆，”他说。“如果你使用 180 纳米节点的 CMOS 技术，如我们的情况，第一个成本为 25,000 美元，第二个成本为 100,000 美元。许多研究小组不仅不能设计这个，他们甚至负担不起。在我们的案例中，我在清华大学的同事提供了晶圆，我集成了材料。”

Lanza 指出，他们的研究已经引起了领先半导体公司的兴趣。科学家们现在的目标是超越 4 cm 2硅微芯片，“制造整个 300 毫米晶圆，”Lanza 说。

编辑：黄飞