近年来，人类社会数据量的指数增长对高效、快速的以数据为中心的计算提出了越来越高的要求。传统冯·诺依曼体系结构的数字硬件基于互补金属氧化物半导体（CMOS）系统，由于其在信息处理和存储单元之间不断传输数据，因此极大地限制了操作速度和能源效率。神经形态计算体系结构建立在密集非易失性存储器纵横制阵列上，旨在在存储数据的确切位置进行原位计算，以解决瓶颈问题。然而，如何将这些阵列集成到芯片中仍然是学界和业界尚未克服的挑战。
鉴于此，近期，由来自中国华中科大、中科院浙江大学、武汉大学和香港大学的研究人员在国际顶尖期刊Science上以2D materials-based homogeneous transistor-memory architecture for neuromorphic hardware为题发表文章，报道了一种全新的计算架构体系，通过在多畴铁电LiNbO3单晶上铺设二维WSe2薄膜来解决计算晶体管与存储内存集成的问题，以构建具有模拟信号处理和存储器操作的可重构双功能的“均匀集成”瞬态存储器结构。通过这种方法，他们展示了具有增强和抑制特性的非易失性存储器，并展示了几个晶体管可用于在双晶体管-双电阻器配置中制造运算放大器和三值内容寻址存储器。这一全新架构为神经形态计算的发展开辟了全新的技术路径，有望大大推动下一代类脑神经芯片的商业落地与应用。
图源: Nature Electronics 4, 635–644 (2021)在传统的神经形态硬件中，基于异构设备的外围电路和存储器通常是物理分离的。因此，探索这些元件的同质器件是改善模块集成和电阻匹配的关键。受二维材料铁电接近效应的启发，我们提出了一种钨二硒化物-铌酸锂级联结构，作为一种基本器件，起到非线性晶体管的作用，帮助设计模拟信号处理运算放大器。该设备还可作为非易失性存储单元，实现存储器操作功能。在此同构体系结构的基础上，我们还研究了模拟信号处理-存储器操作集成系统的二元分类和三元内容寻址存储器的设计，以便在神经形态硬件中潜在地使用。最近提出的基于各种新兴纳米材料的以神经元为灵感的硬件有效地改进了神经网络，特别是二维材料。二维材料可以提供一个平台来开发用于存储器操作的晶体管架构，包括场效应晶体管、隧道晶体管、结晶体管、铁电晶体管和铁磁晶体管，因为它们具有丰富的静电控制能力。基于二维材料的铁电 场效应晶体管、铁电双极结晶体管和铁电隧道晶体管由于铁电材料与二维材料的强近端耦合，在可逆极化下表现出较大的通断电阻比、快速操作、低功耗、非易失性电子控制和重量更新。因此，这些基于二维材料的铁电近端耦合器件正在被深入研究用于神经形态计算，其中它们通过动态调制铁电极化来编程上相邻二维通道的导电性被用作存储器。实现计算任务需要这些存储器与外围电路集成，因为模拟信号处理在存储器操作前后都是必不可少的。然而，外围电路通常基于互补金属氧化物半导体（CMOS）晶体管，因此存储单元和外围电路之间的异构结构导致它们的物理分离，使得有必要考虑芯片设计的模块集成兼容性问题。此外，随着设备尺寸的缩小，如何在异构设备架构之间实现有效的电阻匹配成为一个新的挑战，这可能会阻碍对更高性能和能效的追求。因此，探索模拟信号处理与存储器操作的集成至关重要。
图2. 铁电场效应晶体管阵列作为二维导电薄膜，LiNb场效应晶体管是由LiNbO3晶体和LiNbO2晶体构成的。施加不同的电压或接地会改变每个电池的功能，多个电池可以组合成更大的功能阵列。
图源：Science 373, 1310-1311 (2021).此外，利用模拟信号处理-铁电集成电路，还可以实现上述二维-铁电集成电路的设计，从而缓解外围电路的耦合问题。一方面，二维材料中的铁极化邻近感应非易失性电子选通使非线性晶体管的设计成为可能，包括p-n二极管和双极结晶体管。另一方面，铁极化可以调制双极结晶体管中的内置电势，从而实现具有改进的开关电阻比的非易失性存储器功能。此外，可重构铁极化畴可以无缝操纵二维材料中的阵列掺杂畴，显示出制造具有增强紧凑性的大规模级联器件的潜力。因此，提出了一种基于非易失性单元的集成化存储器操作-模拟信号处理体系结构，以及一种基于非易失性单元的集成化存储器操作-模拟信号处理体系结构。在这项工作中，无缝排列的周期性极化LiNbO3畴形成了类似光栅的结构，有效地将WSe2通道裁剪成无缝排列的结。研究了模拟信号处理、存储器操作及其相应的级联，以证明基于相同设备架构的集成系统的成功，该集成系统包括一个跨越三个铁电域的WSe2通道。我们的运算放大器是为模拟信号处理设计的，带有编码突触权重的记忆细胞与运算放大器级联，以证明其在二进制分类中的适用性。此外，具有双管双电阻配置的三元内容寻址存储器（TCAM）采用同质晶体管存储器结构设计，高阻状态（HRS）和低阻状态（LRS）之间的比率为898.4。这种集成的系统架构为解决异构问题和改进神经形态应用提供了一种可行的方法。
图源：Science 373, 1353-1358 (2021).神经形态计算策略类似于人脑的工作模式，在这种模式下，信息在一个由神经元和突触组成的大规模连接网络中进行处理。然而，人脑在计算并行性和功耗方面远远优于所有神经形态硬件。这部分是因为神经形态硬件需要交叉选择设备和外围电路的异构集成，以支持对NVM阵列的大规模并行访问。随着器件尺寸的缩小，在物理分离的异构组件中，模块集成不兼容性和互连电阻失配变得更加突出。铁电体具有非易失性极化状态，可通过施加外部电场以相反方向定向。传统铁电随机存取存储器采用金属/铁电/金属三明治结构作为电容器与晶体管集成以形成单晶体管单电容单元。相比之下，铁电场效应晶体管使用铁电作为栅极来累积或耗尽导电沟道中的电荷载流子，从而导致可用于信号处理和信息存储的沟道电阻中的非易失性变化。铁电场效应晶体管显示出非破坏性的读取特性，不存在严重的缩放问题。最近，密集的研究集中在使用石墨烯以外的新兴二维沟道材料（如强关联氧化物、过渡金属二卤化物（TMD）和范德华异质结构）来更新铁电场效应晶体管器件。这种新的组合是由一种潜在的有希望的替代传统逻辑和内存技术所驱动的。Tong等人选择了几层TMD WSe2作为铁电场效应晶体管器件的半导体沟道，其中商业化的LiNbO3单晶作为底层铁电绝缘体。对于单畴LiNbO3，铁电场效应晶体管器件对于合格的记忆功能表现出典型的铁电滞回曲线，其高电阻与低电阻之比约为200。在使用三畴LiNbO3绝缘体的情况下执行不同的存储器工作模式，其中对于集电极和发射极端子下方的双边畴，铁电极化状态固定为向上（Pu），然而，中心畴的极化方向可以根据栅极电压极性改变，即负偏压下的向下极化（Pd）−正Vg（零栅极电压）下的Vg和Pu。对齐三个Pu导致铁电场效应晶体管存储设备的低电阻状态，而Pu-Pd-Pu耦合导致高电阻状态。从高到低的数据分辨率明显增加到∼106，为众多突触重量的调整提供了广阔的空间。当栅极接地时，Tong等人还成功地将相同的三畴铁电场效应晶体管器件裁剪成Pu-Pd-Pu畴上的n-p-n双极结晶体管（双极结晶体管）。
图源：Science 373, 1353-1358 (2021).与许多存储技术中的异构集成方案不同，Tong等人的体系结构在结构和功能上更为同质，因为一个额外的逻辑功能完美地编织在一个存储单元中，单个铁电场效应晶体管器件中的共生双功能可以很容易地在不同的激励模式下重新配置。将多个铁电场效应晶体管级联在一个密集阵列中，可以提供丰富的模块功能。它本质上减少了异构情况下面临的集成困难，避免了模块集成不兼容和电阻不匹配的问题。在新的体系结构中，可以消除内存和计算元素之间的远距离数据移动，从而提供一个实现高带宽和低延迟计算的平台，这将大大降低神经形态芯片的制造门槛。Tong等人使用小数组演示了神经形态计算的三个基本功能。作者在双极结晶体管连接电路上实现了模拟信号处理的运算放大器功能，与基于复杂C存储器操作的系统相比功耗降低了一个数量级。基于铁电场效应晶体管的低能比较器用于激活功能，与电路中的跨阻放大器串联。它们被集成在一个包含九个铁电场效应晶体管存储单元的阵列的后端，执行二进制分类任务。经过训练，作者通过模拟和实验实现了模式标签和预测类的识别。具有双晶体管双电容单元结构的三元内容寻址存储器允许并行搜索海量数据集。这些同质结构在面积和能量效率方面优于CMOS操作结构。进一步的，本文提出的同质计算结构有可能用于开发模拟-数字转换器、数字-模拟转换器和模拟滤波器，以构建更强大的神经形态系统。在这方面，高密度芯片是一个先决条件，尽管它对按顺序堆叠分层铁电场效应晶体管阵列的三维集成过程提出了巨大挑战。铌酸锂晶体的低温合成和高质量二维沟道材料的晶圆级沉积似乎是不可克服的障碍。需要努力实现其他与存储器操作兼容的二维铁电体，如二氧化或碲化锡，以及光敏或热敏通道材料，如相变超材料或异质结构，以形成大规模生产感官计算存储集成芯片的更可行路线，促进目标识别、决策、自动驾驶和其他技术的人工智能应用。
图5. 模拟信号处理-存储器操作集成用于二进制分类。
图源：Science 373, 1353-1358 (2021).二维材料是开发为神经形态电路设计的晶体管的一个有价值的平台，因为它们的通道易于静电控制，例如，当耦合到铁电材料以制造铁电场效应晶体管（铁电场效应晶体管）时。然而，也需要外围电路——比如传感器输入的模拟到数字处理——这通常通过传统的互补金属氧化物半导体（CMOS）晶体管实现。因此，将此类系统集成到单个芯片上可能是一项挑战。胡伟达、叶磊及其同事现在已经开发出一种同质晶体管设计，可用于存储器和模拟信号处理。除了二进制分类和三元内容寻址存储器设计外，本文提出的这种计算架构还适用于各种应用，包括数字计算和具有光学传感能力的人工神经系统。此外，这种计算架构还适用于模拟-数字转换器、数字-模拟转换器和模拟滤波器的设计。通过减小极化畴尺寸可以减小器件尺寸，从而提高电流增益和积分密度。较低的矫顽电压有助于实现较低的功耗，这可以通过减小铌酸锂厚度或使用其他铁材料来实现。总而言之，受传统CMOS芯片的启发，本文提出了一种基于二维集成的神经形态模拟信号处理-存储器操作三维堆叠系统。这种同质晶体管存储器结构将有助于在芯片上实现的神经形态计算，大大推动下一代类脑神经芯片的商业落地与应用。
苏州美明电子科技有限公司是一家从事材料、半导体、电子、信息技术、机电等高科技领域的耗材、设备仪表、微纳加工及技术咨询与服务的专业化公司。
