神奇的混合忆阻器AI芯片可扩展

　　最新研究发现，通过将原子薄器件与传统微芯片结合，科学家们成功创造了能够模仿大脑功能的混合电子设备，其能效远超标准电子设备。这一成果有望为神经网络人工智能系统带来革命性变化。

　　随着电子产品的不断缩小，科学家们正致力于研究原子薄的2D材料，以用于下一代电子产品。例如，石墨烯由单层碳原子构成，而二硫化钼则是由夹在两层硫原子之间的一片钼原子制成。这些材料不仅具有先进的电气性能，还展现出卓越的热、机械、光学和化学特性，预示着新应用的诞生。

　　研究团队来自沙特阿拉伯图瓦尔的阿卜杜拉国王科技大学，团队中的Mario Lanza副教授指出：“尽管大多数人的专业知识集中在半导体领域，但我们专注于绝缘体。”在这一背景下，多个研究团队开发了基于2D材料的原型设备，但此前尚未有设备展现出计算或存储数据的能力。此外，这些设备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，且单层2D材料的操纵具有挑战性，容易出现缺陷，影响器件的一致性和成品率。

　　然而，科学家们现已创造了首个用2D材料制造的密集集成微芯片，且全部采用与半导体行业兼容的工艺。Lanza表示：“我们不仅取得了优异的特性，还实现了高产量和低变异性。”在这项新研究中，研究人员使用了六方氮化硼进行实验。这种原子级薄的陶瓷常被用作2D电子器件中的绝缘材料。

　　科学家们希望克服以往基于2D材料的设备所面临的挑战。例如，Lanza及其同事并未尝试用2D材料制造晶体管，而是专注于制造忆阻器——一种能在电源关闭后记住电状态的开关。Lanza说：“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部件。而我们则专注于忆阻器，尽管其市场规模目前较小，但在数据存储、计算、加密和通信方面拥有巨大潜力。”

　　世界各地的科学家希望利用忆阻器和类似组件来制造既能计算又能存储数据的电子设备，这些设备在处理器和存储器之间来回传输数据时，能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成为实现人工智能系统的理想选择。这些系统正越来越多地被用于支持自动驾驶汽车和分析医疗扫描等应用。

　　Lanza表示，忆阻器是“能够容忍缺陷的简单设备”，而晶体管则需要完美的晶体材料。此外，他们使用了一张由约18层组成的2D材料片，总厚度约为6纳米。这种较厚的材料不易破裂。研究人员还在标准CMOS微芯片上而非空白基板上制造了2D设备，这有助于成功制造2D器件。

　　制造用于计算的晶体管的研究人员通常使用前端线步骤，而Lanza及其同事则在连接晶圆上器件线路互连的后端建造了忆阻器。这些电路每个都由5×5的交叉单元阵列组成，每个阵列包含一个晶体管和一个忆阻器。尽管大多数使用2D材料制造的器件尺寸超过1平方微米，但新研究中的忆阻器仅0.053µm²。Lanza说，如果有更先进的微芯片，这些忆阻器可以制造得更小。

　　此外，混合微芯片的电导率可通过施加电脉冲动态调整至不同水平，这一特性被称为尖峰时间依赖性塑性。这一特征表明该设备有助于实现比传统神经网络更接近人脑的尖峰神经网络。尖峰神经网络中的关键组件是“尖峰”，即只有在给定时间内接收到一定量的输入信号后才会产生输出信号。由于尖峰神经网络发射的尖峰较少，因此与典型的人工神经网络相比它们的数据量要少得多且所需的功率和通信带宽也较少。然而科学家们指出传统电子设备并不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并在Modified National Institute of Standards and Technology（MNIST）手写数字数据库的图像进行分类测试时该简单设备实现了约90%的准确率。此外科学家们还注意到他们的设备需要约1.4到5伏的开关电压这一电压低于2D材料领域其他原型所需的超过20伏的电压但高于180nm CMOS节点处使用的电压然而他们认为这一电压可能不会阻碍该技术的发展因为有许多商业微芯片在更高电压下工作例如最先进的3D-NAND闪存在大约20伏的电压下编程而所有用于汽车应用的双极CMOS微芯片都需要高达40伏的电压。

　　此前IBM的研究人员曾尝试在微芯片上放置2D材料的好处但显然放弃了该方法可能是因为转移单层2D材料的困难而Lanza及其同事则使用了一种更耐用的18层厚的材料并预测现在许多其他科学家将在功能性微芯片上而不是非功能性SiO₂衬底上创建他们的原型这将引发更多的发现。同时Lanza还指出2D材料通常属于材料科学家而非微芯片工程师因此要做他们所做的实验需要特定的软件设计微芯片并制作一个多项目的晶圆带或像他们的情况一样制作一个完整的晶圆。然而他们相信随着技术的不断进步未来的研究将取得更多突破并推动该领域的持续发展。最终科学家们希望将这一技术应用于更广泛的领域以创造更高效、更智能的电子设备并推动人工智能和神经形态硬件的发展。