在人工智慧迅速成長壯大的今天, 傳統的 '馮·諾依曼架構' 體系受限於 '存儲牆' , 即計算速度和存儲資訊傳遞速度之間巨大的鴻溝, 在大規模神經網路計算任務執行中捉襟見肘, 無論是速度還是功耗, 它都已經不能滿足人工智慧高速發展的要求. 至此, 一種類比人腦的運行模式, 期望實現計算與存儲並行的類腦計算應運而生. 受到人腦中突觸能同時進行記憶和計算的啟發, 類腦計算可以用阻變存儲器類比突觸行為, 通過改變阻變存儲器的阻值狀態, 同時改變了其在網路中的權重值, 由此阻變存儲器單元同時實現存儲和計算兩種功能, 極大程度地提高了晶片性能. 根據該課題組2017年5月在《自然·通訊》上發表的文章, 類腦晶片可以使功耗降低為原千分之一以下.
圖 1 類腦計算示意圖
阻變存儲器作為最具潛力的電子突觸器件, 具有結構簡單, 操作電壓低, 可大規模整合和與CMOS工藝相容等優勢. 但是類腦計算要求的阻變存儲器的雙向多值阻變特性微觀工作機制尚不清晰, 這一問題嚴重限制了器件進一步的性能優化. 所謂雙向多值阻變特性指的是器件的阻值可以從高到低或從低到高連續變化. '類腦計算中阻變存儲器的氧空位分布無序效應模型' 一文中針對氧化物阻變存儲器雙向多值阻變行為進行深入探索, 採用蒙特卡洛的模擬方法類比氧空位主導的阻值轉變環境, 提出無序度的概念量化微觀上氧空位分布引起的宏觀上阻值轉變行為. 模擬結果顯示氧空位的無序分布有利於實現雙向多值阻變, 這為用於類腦計算的阻變存儲器實現電阻連續變化提供了理論支援和優化指導.
有序和無序的氧空位分布對比圖
傳統器件和雙向連續阻變器件特性對比圖
阻變存儲器的數據保持能力對器件性能和工作壽命有重大的影響. 雖然存儲器的數據保持能力不乏優秀的研究成果, 但是應用於類腦計算的阻變存儲器要求的數據保持能力和傳統的存儲器有所不同, 前者在計算中需要連續變化的電導, 因此更關注中間態 (而不僅僅是高阻態和低阻態兩個狀態) 的數據保持能力, 而對此問題的研究甚少. '用於類腦計算的阻變存儲器數據保持特性研究' 一文中首次研究了1Kb陣列上基於導電細絲的多值阻變存儲器中間態數據保持特性的統計行為. 文章通過將1024個器件單元等分為8個阻態, 採用雙向調製模式設置初始阻態, 然後在125℃烘烤, 觀察阻變存儲器單元的多個不同的中間態在高溫下隨時間的電導分布的變化, 結果顯示每個阻態電導分布呈現初態密集, 隨時間逐漸展寬的對稱分布, 在觀測點處的分布呈現常態分佈特徵, 且常態分佈的標準差隨時間增長, 而均值保持不變. 該研究成果展示了應用於類腦計算晶片的阻變存儲器陣列的數據失效規律, 也為阻變存儲器單元的多值特性的可靠性指出優化方向.
清華大學吳華強課題組和兆易創新公司在阻變存儲器的研究上一直保持著長期的合作. 兆易創新資深經理陳鴻禹博士參與了此項研究工作並列論文共同著者, 他表示非常感謝高濱教授和趙美然同學, 他們的研究成果不但對高能效的人工智慧晶片提供了理論和器件基礎, 也同樣對高密度阻變存儲器晶片的設計產生了重要的意義. 在不久的將來, 清華大學和兆易創新還將攜手開發出更大規模的阻變存儲器陣列.
