基于Vhold可重构氧化物2晶体管存储器的超低能耗多模态模拟储层计算

《Advanced Science》:Ultralow-Energy Analog Reservoir Computing via Reconfigurable 2-Transistor Memory

【字体: 大 中 小 】 时间:2026年10月01日 来源:Advanced Science 14.1

编辑推荐:

  储层计算(reservoir computing, RC)为实时时序信息处理提供了一条有前景的途径,并被广泛认为是常规冯·诺依曼(von Neumann)架构的能效替代方案。矛盾的是,许多硬件RC系统尚未在阵列级能效和处理速度两方面展现明确优势,尽管这些是该领

  
储层计算(reservoir computing, RC)为实时时序信息处理提供了一条有前景的途径,并被广泛认为是常规冯·诺依曼(von Neumann)架构的能效替代方案。矛盾的是,许多硬件RC系统尚未在阵列级能效和处理速度两方面展现明确优势,尽管这些是该领域的核心动因之一。此外,其实际可行性受到结构复杂性和鲁棒性不足的限制。在此,研究人员报道了一种基于氧化物沟道二晶体管(two-transistor, 2T)单元的可重构、类动态随机存取存储器(dynamic random-access memory, DRAM)物理RC平台,为低能耗、快速、鲁棒且结构简单的物理RC提供了实用途径。在单一器件占位和制造流程内,同一2T单元可重构为易失性储层动力学或准非易失性读出存储器。其工作模式由保持偏置(hold bias)选择,从而实现具有可调弛豫动力学的电学重构。这种紧凑策略实现了时空可编程性,同时保持工艺简单性,并通过运动检测仿真得到验证。由于多Vhold时空编码,所提出的RC架构在器件阵列级读能量方面实现了3.98倍降低,并且较人工神经网络(artificial neural network, ANN)基线需要少8.00倍的可训练突触权重。这些结果使氧化物2T存储器成为下一代非冯·诺依曼人工智能(artificial intelligence, AI)硬件的有力候选。
人工智能(artificial intelligence, AI)的快速发展对传统计算硬件提出更高需求。晶体管尺寸持续缩小并接近基本物理极限,器件密度进一步提升愈发困难,同时制造成本和功耗上升;冯·诺依曼(von Neumann)架构中处理与存储分离又加剧数据移动开销,形成内存瓶颈。神经形态计算通过存算共置和类脑原理为高效信息处理提供替代路径,其中储层计算(reservoir computing, RC)因将可训练参数主要限制在读出层,可降低时序学习训练复杂度而受到关注。硬件RC需要两类互补器件特性:储层中可重现的短期动力学用于时序特征提取,读出中足够长保持的模拟态用于存储向量–矩阵乘法(vector–matrix multiplication, VMM)权重矩阵。现有基于忆阻器、铁电器件、二维材料和突触晶体管的物理RC多由异质器件结构分别实现储层与读出,增加制造和集成复杂度;同质RC架构虽已有展示,但器件阵列级硬件收益,尤其在与ANN一致器件映射和能量核算条件下的直接比较,仍量化不足。速度同样关键,慢储层动力学会限制吞吐。实际边缘AI RC平台还需低能耗、快速时序动态、模拟均匀性、循环重复性和后段制程(back-end-of-line, BEOL)兼容性。基于InGaZnO和InSnZnO等材料的氧化物半导体薄膜晶体管(thin-film transistor, TFT)具有超低关态电流、大面积均匀性和单片三维集成兼容性,适合无电容2晶体管(2T)增益单元。传统2T存储器主要利用氧化物晶体管超低关态电流抑制存储节点泄漏,以延长保持并实现多bit存储;但对RC而言,存储节点泄漏路径可被有意调节,以产生受控电荷弛豫和衰退记忆。Jeong-Min Park等研究人员据此提出Vhold可重构ITZO 2T平台,在同一器件占位和工艺中实现易失储层与准非易失读出,并得出该平台可用于低能耗、快速、鲁棒、结构简单、可量产且兼容单片三维集成的RC硬件。该论文发表在《Advanced Science》。

关键技术方法:器件采用自对准顶栅(self-aligned top-gate, SATG)ITZO TFT,在Si/SiO2上RF溅射20 nm ITZO,栅堆叠为SiO2/Al2O3/W,沟道20 μm×40 μm。电学测试用Keithley 4200与4225-PMU/RPM,真空30 mTorr,四探针;截面用JEM-F200。MNIST经阈值0.5二值化、裁剪为20×20,分100个2×2 patch,按Z形4-bit脉冲编码;100×10差分权重读出,交叉熵损失,随机梯度下降学习率0.001、批大小64。运动数据集由4方向×6位置=24类实验电流响应构成,每类100次共2400条;按64/16/20划分训练/验证/测试,训练集经多元高斯增强至每类640、总15 360训练、384验证、480测试;均匀提取虚拟节点,ridge回归α=1.0、n=27,并比较softmax/MLP;硬件差分电导映射与VMM读能计算。

研究结果如下。2.1 Vhold-Reconfigurable Oxide 2T Gain Cell for Multi-Mode Reservoir Computing:通过调整保持偏置Vhold,同一2T单元可在两种模式间重构。当Vhold高于0 V且大于阈值电压(threshold voltage, VTH)时,存储节点(storage node, SN)电荷经受控路径向写晶体管放电,产生易失弛豫动力学;当Vhold低于0 V且小于VTH时,放电路径被抑制,SN保持写入电荷,呈偏置稳定准非易失行为。易失模式用于物理储层产生衰退记忆,准非易失模式用于读出层存储多bit权重。多Vhold操作通过写晶体管导电路径电调弛豫率,实现多Vhold映射复用,增加时间域储层状态可分性和丰富性,进而实现空间压缩,降低下游读出可训练权重数和估计器件阵列级读能量。

2.2 Quasi-Non-Volatile Characteristics of 2T for Readout Network:研究人员研究2T准非易失特性。该模式通过负Vhold抑制SN放电,称为偏置稳定准非易失存储而非传统非易失存储器。写、保持和读操作分离,非破坏读出。负偏压应力下阈值电压漂移ΔVTH=0.24 V(?15 V、1 h);正偏压应力下ΔVTH=0.34 V(+15 V、1 h),栅漏接近检测限且无介质击穿迹象。通过控制ITZO氧空位使VTH接近零,降低操作电压和栅介质电应力。Vhold=?2 V时写“1”态保持8604 s(约2.39 h),保持时间定义为VSN降至初始值90%。随Vhold从负向正变化,保持从超过100 s逐渐缩短,Vhold≥+0.1 V时快速崩溃至亚秒级,表明可连续调谐从准非易失到易失。多级准非易失存储实现3-bit保持1000 s,通过WBL从1.0至2.4 V、步长0.2 V编程。突触更新在微秒尺度实现,脉宽1.5 μs、WBL=1 V、脉冲间隔2 μs,增强/抑制在32 768循环中稳定。结论是同一2T适合读出网络VMM。

2.3 Volatile Characteristics of 2T for Physical Reservoir:研究人员研究同一2T的易失物理储层特性。Vhold大于0 V时有意打开泄漏路径。通过测量VSN轨迹量化保持时间和有效弛豫电流Irelax。在Vhold=?0.3至+0.1 V范围内,Irelax从3.26×10?15 A增至7.01×10?14 A,表明Vhold对SN弛豫具有强电学控制。Irelax是净电荷损失率,包含写晶体管亚阈值导通、栅泄漏、隧穿相关泄漏和寄生电容诱导电荷重分布等贡献。成对脉冲易化(paired-pulse facilitation, PPF)在脉冲间隔低于10 μs时PPF比增至约140%。通过扫描间隔、幅度和脉宽,确定优化条件为WBL=1 V、脉宽1.5 μs、间隔2 μs。一个循环由30个电压驱动增强脉冲和30个泄漏驱动弛豫步骤组成,重复32 768次后增强和衰减特征保持一致。结论是Vhold依赖的写晶体管导电路径提供电控且可重现的弛豫路径,适合物理RC。

2.4 Ultralow-Energy, Fast, Robust Reservoir for Handwritten Digit Recognition:研究人员用易失器件特性评估MNIST手写数字识别中的4-bit时序电流响应。四个输入脉冲编码0000至1111,脉宽1 μs、间隔0.8 μs、WBL=1 V,在第四脉冲读取16个可区分状态;该脉冲时间尺度在物理储层对比中最短之一,因2T易失性由电子电荷泄漏控制,而非离子/空位迁移。20次重复测量中16个状态可分,变异系数(coefficient of variation, CV=σ/μ)均小于0.08;状态1101在2×105循环中稳定;12个同批器件间四个代表状态可分且器件间CV较小。基于实测2T特性的硬件知情RC中,20×20二值图像分100个2×2 patch,Z形编码为4-bit脉冲序列,每个patch总时长7.2 μs,储层输出经模拟100×10准非易失2T读出场分类。训练100轮后硬件知情测试精度91.37%,软件基线91.79%;蒙特卡洛1000次高斯噪声注入表明在实验CV范围内精度稳定。储层读能47.7 fJ/脉冲,单准非易失2T单元VMM读能9.92 fJ/脉冲。结论是统一2T架构具有低能耗和快速运算优势。

2.5 Multi-Vhold Spatiotemporal Encoding for Highly Compressed, Ultralow-Energy Motion Detection:研究人员展示基于多Vhold时空编码的运动检测空间压缩策略,Vhold从0至2 V调谐。多Vhold核将连续6×6二值帧的空间信息转换为轨迹依赖时间签名,使单个2T储层编码完整帧序列并压缩读出输入。共定义24类运动,对应4个方向和6个位置;每类从100次重复电流测量中均匀提取虚拟节点,采用独立ridge回归线性读出场分类位置6类和方向4类。随虚拟节点数N增加,方向、位置和联合方向–位置精度提高;基于验证集选择n=27。此时方向、位置和联合分类测试精度分别为98.40%±1.73%、99.68%±0.36%和98.09%±1.78%;并比较了ridge、softmax和单隐层多层感知机读出。与216维直接空间输入相比,27维储层表示在相同线性分类器下VMM读能从16.95 pJ降至4.26 pJ,降低3.98倍;可训练权重从2160降至270,减少8.00倍;物理储层平均读能估计为7.13 pJ/操作。结论是多Vhold时空编码将原始空间运动序列转为紧凑且线性可分的时间表示,降低后续读出能耗和硬件资源。

讨论与结论翻译:原文未单独设置讨论章节,结论部分总结如下。研究人员展示了在ITZO基2T增益单元架构中通过Vhold控制存储节点电荷弛豫的电学重构,使同一工艺制造的相同单元既可充当易失储层元件,也可充当偏置稳定准非易失模拟读出元件。在易失区,电荷控制弛豫提供高度均匀的微秒尺度衰退记忆;在准非易失区,同一2T单元实现多级权重存储,保持时间达8604 s。弛豫动力学源于受控电荷损失而非随机细丝形成,产生优异的循环间和器件间均匀性,并具有低器件级读能(储层读47.7 fJ/脉冲,VMM读9.92 fJ/脉冲)、快速储层操作,以及两种模式下超过104循环的耐久性。研究人员进一步引入多Vhold时空编码,以连续编程弛豫电流并生成具有不同有效弛豫动力学的一族衰减核。这种偏置域核复用在不进行空间复制的情况下扩展储层状态丰富度,实现空间压缩,降低权重数量并改善时变工作负载的能量缩放。该概念通过手写数字识别(91.37%测试精度)作为静态任务和高度压缩运动检测作为动态任务得到验证。对于运动检测,RC实现较ANN基线在估计器件阵列级读能量上降低3.98倍,所需可训练突触权重少8.00倍,对应平均储层读能估计为7.13 pJ。总体而言,这些结果表明基于ITZO的可重构2T平台为具有低能耗、快速操作和鲁棒多模式行为的储层计算硬件提供了简单且实用的途径。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号