研究团队用铁电材料开发AI芯片，速度比人脑快10000倍

如果您希望可以时常见面，欢迎标星收藏哦~

来源：内容由半导体行业观察（ID：icbank）编译自techxplore、onlinelibrary，谢谢。

由 DGIST 电气工程和计算机科学系 Kwon Hyuk-jun 教授领导的研究团队开发了下一代 AI 半导体技术，该技术可模仿人脑在 AI 和神经形态系统中的效率。他们利用具有强电性能的氧化铪和二硫化锡薄层开发了突触场效应晶体管，产生了一种三端神经形态设备，能够以类似于神经元的方式存储多个级别的数据。

该研究成功复制了短期和长期特性等生物特征，产生了一种高效设备，其响应速度比人类突触快 10,000 倍，并且消耗很少的能量。

随着以数据为中心的应用程序的爆炸性增长，对机器学习中的人工智能（AI）技术和计算能力的需求也在不断增加。在当今广泛使用的冯·诺依曼架构中，内存和逻辑区域的分离导致了数据无法同时处理和读取的瓶颈。当前用于机器学习和深度学习的人工智能技术中的隔离结构，由于需要在处理和存储设备之间往返大量数据，导致大量的等待时间和能源消耗成本。

]以数据为中心的计算设备需要高性能、高能效和逻辑内存集成能力来支持各种应用。这导致了复制人脑结构的神经形态设备的出现，实现内存计算并通过并行计算和自适应学习提供高能效和密集合并的逻辑内存功能。

各种设备已被建议作为实现神经形态计算硬件的候选设备。然而，由于数据保留率低和非线性权重特性，它们中的大多数在实际应用中面临困难。为了在神经形态系统中实现高精度，有必要开发具有理想突触特性的设备。有多种候选材料，例如浮栅、陷阱充电和铁电材料，但稳定性和可变性问题，例如线性/对称权重更新和状态数，仍然是实际中节能神经形态计算的主要障碍应用程序。通常，较高的非线性会导致复杂的权重调制，并在训练过程中产生较高的能量和时间成本。相比之下，具有足够数量状态的线性和对称权重更新操作可以有效增强神经形态计算的推理精度和可靠性。因此，提高人工突触装置的线性度和对称性对于构建低功耗、高精度的人工神经形态网络是必要的。

铁电体有望通过解决线性和对称性问题来解决这些问题。铁电材料具有即使在没有外部电场的情况下也能维持的自发极化态，并且这种极化态可以通过外部电场精细地控制以调制通道的电导。铁电器件适合实现神经形态器件，因为它们可以通过使用电压脉冲改变极化状态来生成多级电流状态。然而，先前研究的铁电基材料，例如钙钛矿基铁电体，存在极化随着厚度减小而消失等问题，使得它们不适合非易失性存储器。此外，对于锆钛酸铅（PZT）来说，需要超过100 nm的厚度才能获得足够的铁电性，并且Pb等挥发性物质的扩散造成的污染不适合互补金属氧化物半导体（CMOS）工艺，因此尽管它比浮栅存储晶体管更早被提出，但由于其许多缺点，它还没有被商业化。2011年在与CMOS兼容的HfO 2中发现铁电性加速了铁电场效应晶体管（FeFET）的研究。基于HfO 2 的铁电晶体管对于制造具有与CMOS兼容且具有工艺可扩展性的线性突触特性的器件非常有用。基于铁电体的神经形态器件在其变化特性方面具有优势，因为 FeFET 中电导率调制的起源是由铁电层中的部分极化切换控制的。因此，通道电导的可控性为开发基于铁电模拟突触晶体管的神经形态硬件提供了机会。

由于其原子级薄的体积和出色的电子可调性，二维材料因其广阔的前景而被考虑应用于神经形态计算系统。此外，二维半导体以其薄而原始的主体提供了非常适合小型化工艺的原子薄结构。此外，二维材料已表现出对外部刺激高度敏感的物理特性，这使它们成为模仿突触功能的有希望的候选者。SnS 2响应于施加到栅电极的电脉冲而表现出高度稳定的非易失性开关行为，使其非常适合作为非易失性存储通道。最近的研究表明，SnS 2不仅具有优异的电特性，而且表现出非常低的截止电流状态，表明其作为低功耗高性能器件的潜力。

在本研究中，使用 2D SnS 2薄膜和纳米级铁电材料制造 FeFET，以探索 SnS 2在突触器件中的潜力。所制造的 FeFET 具有多级数据存储能力和铁电磁滞，具有稳定的数据保留能力。通过通过 FeFET 展示模拟增强和抑制特性，我们展示了利用纳米级铁电和半导体材料作为神经形态硬件系统突触器件的潜力。所制造的 FeFET 器件表现出稳定且延长的保留时间以及稳定的循环特性，在环境条件下 ±3 V 电压扫描期间具有 2 V 的大窗口。我们还通过模仿生物突触的动力学，例如兴奋性/抑制性突触后电流（EPSC/IPSC）、配对脉冲促进（PPF）和长期增强/抑制，展示了铁电装置用于人工突触的潜力。此外，还进行了改进的国家标准与技术研究所（MNIST）模拟来评估硬件神经网络的适用性，并进行能量计算来评估此设备的低功耗特性。

沉积的铁电 HZO 薄膜的特性。

a) HR-TEM 图像显示铁电 HZO 薄膜的厚度（15 nm）和使用 HR-TEM 的斜方晶系 HZO 微晶的横截面图像。比例尺，50 nm。插图显示了斜方晶系 HZO 原子排列的放大视图 [111]。

b) HZO 横截面的 EDS 绘图，描绘了沉积元素（铪、锆和氧）的分布。

c) HZO薄膜的PV回路。

d) 介电常数 – HZO 薄膜的 V 环。

e) 铁电 HZO 薄膜的解卷积 GIXRD 图案。

f) O 1s、g) Hf 4f、h) Zr 3d 的高分辨率 XPS 谱。

图片来源：《先进科学》 (2024)。DOI：10.1002/advs.202308588（下同）

突触拟态铁电 HZO-SnS 2晶体管。

a) 突触拟态 FeFET 示意图。b) FeFET 的能带图以及使用脉冲控制的调制机制的描述。c) I ds - V g曲线展示了与带调制相对应的电导变化。d) 4 位 SnS 2 FeFET 在精确的 PRG/ERS 脉冲控制下运行。e)显示逆时针磁滞特性的铁电HZO基SnS 2晶体管和显示顺时针磁滞特性的电介质HfO 2基SnS 2晶体管的I ds - V g环路的比较。

结论

在本研究中，利用铁电HZO和2D半导体(SnS2)制备并表征了二维模拟突触场效应管。该团队的设备展示了具有多级数据存储属性(>7位)的内存计算，并成功地模仿了EPSC/IPSC, PPF和STDP等生物特性。SnS2 FeFET具有良好的稳定性、良好的线性度和较高的Gmax/Gmin(>105)。高效和超低功耗的神经形态硬件，其亚飞焦耳(48 aJ/spike)和快速响应(1µs)，由于逐渐切换铁电畴，比人类突触(≈10 ms)快104倍。此外，我们的设备中的人工神经网络模拟表明，利用其内存计算属性，在MNIST手写数据集上的模式识别率为94%。在ffet中，存储器和计算的集成结构使器件高度紧凑和节能。表1显示了我们的器件的特性以及最近报道的三端突触晶体管的典型特性。与表1相比，本研究显示的总体优越结果表明，SnS2和HZO结构可能是神经形态计算中突触结构的有吸引力的候选者。此外，该装置设计结合了2D材料和具有高介电常数的铁电HZO，允许超薄的机身，因此在未来的发展中具有很大的希望。

神经形态计算中不同突触晶体管的性能比较

电气工程与计算机科学系的 Hyuk-Jun Kwon 教授表示：“这项研究标志着朝着需要低功耗和高速计算的下一代计算架构迈出了重要一步。我们开发了高性能神经拟态硬件使用二维通道和铁电氧化铪，这项创新有望在未来有各种人工智能和机器学习相关的应用。”

该研究发表在《先进科学》杂志上。

英文原文

https://techxplore.com/news/2024-03-generation-ai-semiconductor-devices-mimic.html

https://onlinelibrary.wiley.com/doi/10.1002/advs.202308588

点这里加关注，锁定更多原创内容

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第3720期内容，欢迎关注。

『半导体第一垂直媒体』

实时 专业 原创 深度

公众号ID：icbank

喜欢我们的内容就点“在看”分享给小伙伴哦