复旦大学周鹏-刘春森团队发Nature子刊,实现自激活存算一体超快闪存
FUTURE远见| 2023-03-21
Future|远见
Future|远见future选编
该研究第一作者是复旦大学黄晓合,刘春森研究员和周鹏教授为通讯作者。
研究背景
由非易失性存储器构成的交叉阵列利用物理定律的原位计算来实现高能效神经网络是打破传统的冯诺依曼架构计算瓶颈的关键路径。然而,目前所有存储体系的阵列计算结果需要利用大量外围电路进行激活后才能有效执行运算任务,增加了系统功耗,成为了存算一体技术进入产业化的主要挑战。如果利用新型电子器件本身即可实现运算结果激活,不但大幅降低功耗解决瓶颈问题,并有利于减少资源使用,将对发展更高效率更通用的新型计算技术具有重要意义。
研究进展
针对这一关键问题,集成芯片与系统全国重点实验室、复旦大学微电子学院周鹏教授、芯片与系统前沿技术研究院刘春森研究员创造性地开发出超快双极性闪存器件,并实现了自激活存算一体技术。该成果利用团队前期提出的范德华异质结超快闪存的三大要素新机理,引入双极性二维半导体作为沟道,成功实现了高鲁棒性超快双极性闪存。通过对存储双极性行为的逻辑调控,实现了乘法累加操作同时完成非线性自激活输出,显著降低外围电路复杂度和能耗。
研究团队利用二维半导体的双极性能带调控的特性,通过擦写电荷俘获层中的电子或空穴,控制形成p型/n型沟道的特性切换。栅电压和存储俘获电荷的极性共同调制了沟道的开关行为,完成阵列乘积计算提升并行度。同时,并联器件的电流输出通过基尔霍夫定律同步实现了累加计算,大幅提高了计算效率。栅电压和存储电荷的极性匹配过程决定了计算结果的非线性激活输出,省略了冗余的外部激活过程并显著降低了由此产生的资源需求。该器件在不同的神经网络结构下对比验证得出高准确度,证明了自激活存算技术的高效性。
目前,利用大规模二维材料高质量生长和集成技术,基于更大尺寸的晶圆级存储阵列正在研发中,采用协同优化方法实现组合模块系统级开发制造,该技术将满足低功耗高算力发展需求。
相关工作得到了科技部重点研发计划、国家自然基金委杰出青年基金、上海市基础特区计划、上海市启明星等项目的资助,以及教育部创新平台的支持。
论文链接:
https://www.nature.com/articles/s41565-023-01339-w