《Advanced Intelligent Discovery》:Dual-Mode Oscillations in SiOx-Based Threshold Switching Devices for Unconventional Probabilistic Computing
编辑推荐:
研究人员展示了一个单一的基于SiOx的阈值开关(TS)器件用于双模操作,使得全振荡和概率振荡(p-oscillation)可以通过使用2–6 V的输入电压(Vin)范围进行可控选择。该功能依赖于TS机制,涉及弱导电细丝的形成和自发溶解。通过优化SiOx沉积过程
研究人员展示了一个单一的基于SiOx的阈值开关(TS)器件用于双模操作,使得全振荡和概率振荡(p-oscillation)可以通过使用2–6 V的输入电压(Vin)范围进行可控选择。该功能依赖于TS机制,涉及弱导电细丝的形成和自发溶解。通过优化SiOx沉积过程中的Ar:O2气体流量比,研究人员调节了氧空位浓度,决定了细丝形成的变异程度。该器件在低Vin(Vin ≤ 3.5 V)下表现出均匀的TS特性。当向器件施加交流脉冲时,由于充放电循环,周期性地产生电压尖峰,表现出稳定的全电压振荡。这些器件作为振荡神经网络中的振荡神经元,准确识别噪声模式。在高Vin(Vin ≥ 3.5 V)下,器件增强的不稳定性导致间歇性振荡失败,产生p-oscillation。这些尖峰的概率遵循Vin可控的Sigmoid分布,有效作为概率比特用于解决车辆路径问题。研究人员通过集成一个五输入XOR后处理电路,将这种p-oscillation作为真随机数生成器的稳健熵源实现。该架构提供了对概率偏差的关键免疫力,并确保生成的随机数通过所有15项美国国家标准与技术研究院SP 800-22测试,通过基于物理模型的仿真验证。
**论文解读文章**
**研究背景与问题**
随着人工智能、复杂优化和硬件安全等领域数据密集型任务的快速发展,传统冯·诺依曼计算架构面临功耗瓶颈和数据传输限制。非传统计算范式作为替代方案受到广泛关注,包括基于概率比特(p-bit)的概率计算(p-computing)、模仿生物神经元同步的振荡神经网络(ONN)以及依赖真随机数生成器(TRNG)的硬件安全系统。然而,这些系统的硬件实现面临关键挑战:p-computing需要可缩放且能内在生成可调概率值的随机元件,ONN需要可缩放振荡器以模拟大规模神经元同步,而硬件安全要求紧凑的器件级熵源以克服伪随机数生成器的可预测性和传统互补金属氧化物半导体(CMOS)电路TRNG的大面积占用。阈值开关(TS)器件,尤其是基于SiOx的CMOS兼容TS器件,已展现出解决这些不同硬件需求的潜力。然而,此前尚未有单一器件能够通过外部因素(如输入电压Vin)可控地选择两种截然不同的振荡行为(稳定全振荡与概率振荡),从而实现多功能统一硬件。因此,研究人员旨在开发一种单一SiOx基TS器件,通过优化沉积条件引入适当的开关变异性,使器件在低Vin下实现全振荡(用于ONN),在高Vin下实现概率振荡(p-oscillation,用于p-bit和TRNG),从而为多种非传统计算范式提供通用硬件基础。该项研究成果发表在《Advanced Intelligent Discovery》。
**主要技术方法**
研究人员采用直流磁控溅射在SiO
2/Si衬底上沉积Nb(30nm)作为底电极,随后通过反应溅射(100W)沉积10nm SiOx薄膜,精确调控Ar与O
2气体流量比(27.5:2.5 sccm),形成Nb/SiOx/Nb堆叠,并通过X射线光电子能谱(XPS)分析氧空位浓度。器件电学特性测试包括直流电流-电压(I-V)扫描(200个循环)和交流脉冲模式下(使用Agilent 81110A脉冲发生器和Keysight CX3300电流波形分析仪)的振荡行为表征。对于应用验证,采用MATLAB/Simulink构建3×5 ONN进行模式识别仿真,以及基于物理模型(充放电方程)的HSPICE和MATLAB仿真用于TRNG设计,其中后处理电路使用五输入异或(XOR)门。
**研究结果**
**2.1 Optimization of the SiOx Deposition Ratio for Dual-Mode Oscillation**
通过TEM和XPS表征证实了Nb/SiOx/Nb器件的结构。直流I-V特性显示稳定的TS行为源于氧空位(Vo)簇形成的导电细丝的自发溶解。通过调控Ar:O
2比(27:3、27.5:2.5、28:2),研究人员发现氧空位浓度随O
2流量降低而增加(从27.85%增至33.48%),这导致了TS参数(V
hold和R
hold)变异性的增强。V
hold-R
hold分布图表明,优化比27.5:2.5的器件具有适中变异性,其分布与理论充电条件曲线部分重叠,使得通过调节Vin可在稳定全振荡与概率振荡之间可控切换。
**2.2 Low-Vin Regime: Full-Oscillation for ONN Applications**
在Vin ≤ 3.5 V的低电压范围内,器件表现出稳定全振荡,频率从90 kHz(2 V)增至530 kHz(3.5 V)。实验频率趋势与HSPICE物理仿真结果高度一致。基于该行为,研究人员构建了一个3×5 ONN(15个全交叉耦合TS器件),通过耦合电阻相互作用实现相位同步。MATLAB/Simulink仿真显示,即使输入带有噪声的灰度图案“K”、“N”、“U”,系统仍能通过相位分析成功恢复清晰输出图案。
**2.3 High-Vin Regime: p-Oscillation for p-Bit and TRNG Applications**
在Vin ≥ 3.5 V的高电压区,器件进入概率振荡模式。通过比较器和D触发器组成的数字化电路,模拟p-oscillation被转换为数字比特流。概率“1”(P1)随Vin呈Sigmoid型分布,适用于p-bit实现。基于此,MATLAB仿真验证了通过模拟退火算法成功求解车辆路径问题(VRP),收敛至全局最小值。对于TRNG,当V
ref设置在振荡峰中点附近(1.4-1.6 V)、Vin在4-5 V时,P1接近0.5,香农熵接近1。单熵源生成的10 kbit流熵为0.999999、P1为0.4994,但未能通过NIST SP 800-22测试(如runs、FFT、近似熵)。引入五输入XOR后处理电路后,当输入P1在0.35-0.65稳健窗口内时,100 kbit流通过所有相关NIST子测试。最终,基于物理模型(TS参数与充放电方程)的MATLAB仿真生成100 Mbit流,以100%通过率通过全部15项NIST测试。
**总结与结论**
本研究通过优化SiOx沉积条件(Ar:O
2比为27.5:2.5),成功实现单一SiOx基TS器件的双模可控操作。低Vin下稳定可调的全振荡有效服务于ONN,成功识别噪声图案;高Vin下的p-oscillation产生Vin可控的Sigmoid概率分布,验证了p-bit在解决VRP中的有效性。此外,p-oscillation作为TRNG熵源,通过五输入XOR后处理电路提供了对P1偏差(0.35-0.65范围内)的关键免疫力。最终,基于物理模型仿真的100 Mbit随机数流以100%通过率通过全部15项NIST SP 800-22测试,证实了该系统的密码学级随机性。这项研究证明,通过简单沉积工程,单一CMOS兼容SiOx器件可作为多种高级计算应用(ONN、p-bit和TRNG)的通用硬件基础,仅通过Vin控制即可切换功能。