机器学习是计算机在无需人工干预的情况下调整其响应的过程。这种形式的人工智能 (AI) 现在在虚拟助手等日常工具中很常见，并且正在开发用于从医学到农业的领域。机器学习的快速扩展带来的挑战是复杂计算过程的高能量需求。东京大学的研究人员报告了迁移率增强型场效应晶体管 (FET) 和铁电电容器 (FE-CAP) 的首次集成，将存储系统置于微处理器附近并提高数据效率- 密集型计算系统。他们的研究结果发表在 2021 年 VLSI 技术研讨会上。
存储单元需要一个存储组件和一个存取晶体管。在当前可用的示例中，存取晶体管通常是硅金属氧化物半导体FET。虽然存储元件可以在“后端”(BEOL)层中形成，但存取晶体管需要在集成电路的所谓“前端”层中形成，这不是好好利用这个空间。
相比之下，氧化铟镓锌 (IGZO) 等氧化物半导体可以包含在 BEOL 层中，因为它们可以在低温下进行处理。通过将存取晶体管和存储器整合到 BEOL 中的单个单体中，可以直接在微处理器上实现高密度、节能的嵌入式存储器。
研究人员将 IGZO 掺杂锡 (IGZTO) 用于氧化物半导体 FET 和铁电电容器 (FE-cap)，以创建 3-D 嵌入式存储器。
“鉴于我们之前报道的 IGZO FET 的高迁移率和出色的可靠性，我们开发了一种锡掺杂的 IGZTO FET，”研究第一作者 Jixuan Wu 解释说。“然后我们将 IGZTO FET 与 FE 电容集成在一起，以引入其可扩展特性。”
IGZTO FET 的驱动电流和有效迁移率都是不含锡的 IGZO FET 的两倍。由于氧化物半导体的迁移率必须足够高以驱动 FE 帽，因此引入锡可确保成功集成。
“通过我们的设计实现的接近性将显着减少信号必须传播的距离，这将加速人工智能计算中的学习和推理过程，使它们更加节能，”研究作者 Masaharu Kobayashi 解释说。“我们相信我们的发现为硬件系统迈出了又一步，可以支持未来更高复杂性的人工智能应用。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！