16纳米鳍式场效应晶体管技术中脉冲神经元的参数化分析

《Advanced Intelligent Discovery》:Parametric Analysis of Spiking Neurons in 16?nm Fin Field-Effect Transistor Technology

【字体: 大 中 小 】 时间:2026年03月31日 来源:Advanced Intelligent Discovery

编辑推荐:

  传统计算硬件在临界热密度下的饱和现象促使范式向节能的脑启发计算转变。本研究探索了基于互补金属氧化物半导体(CMOS)的三种不同脉冲神经元拓扑结构的设计:泄漏整合发放(LIF)、莫里斯-莱卡(ML)和轴突-希尔(AH),这些拓扑均采用16纳米鳍式场效应晶体管(F

  
传统计算硬件在临界热密度下的饱和现象促使范式向节能的脑启发计算转变。本研究探索了基于互补金属氧化物半导体(CMOS)的三种不同脉冲神经元拓扑结构的设计:泄漏整合发放(LIF)、莫里斯-莱卡(ML)和轴突-希尔(AH),这些拓扑均采用16纳米鳍式场效应晶体管(FinFET)技术实现。研究人员通过电源电压和内部电容的广泛参数优化,表征了能耗、最大发放频率和功能鲁棒性之间的基本权衡。研究结果表明,尽管AH电路实现了最高吞吐量(在0.4 V、0.01 fF条件下脉冲频率超过1.51 GHz),但其表现出功能脆弱性,无法记录重合脉冲,输出电压保持在1 mV以下。相比之下,ML模型捕捉了复杂的生物动力学,特别是在抑制性加载下发放频率增加25%(从0.63 GHz升至0.79 GHz,条件为0.7 V、1 fF),展现出反弹发放特性。LIF模型成为通用神经形态工程的最优候选,在整个抑制谱上维持约1.0 GHz的稳定发放频率(在0.7 V、1 fF条件下),并提供鲁棒的重合检测。这些发现为在下一代高密度神经形态系统中将神经元拓扑与特定架构需求匹配提供了定量框架。
**论文解读**

**研究背景**
传统计算硬件在面临临界热密度饱和时,迫切需要向节能的脑启发计算范式转变。冯·诺依曼架构中处理单元与存储器的物理分离导致连续且高成本的数据搬运,引发硬件能耗危机。神经形态计算通过模仿大脑的共定位存储、大规模并行和事件驱动稀疏性来克服这一局限。脉冲神经元作为神经形态计算的基本单元,其设计需在生物真实性与硬件效率间权衡。然而,现有研究多基于传统平面CMOS工艺,缺乏对先进FinFET技术下不同拓扑结构的系统性比较。本研究旨在填补这一空白,将三种典型神经元拓扑移植至16纳米FinFET节点,并表征其性能。

**研究人员开展的研究**
研究人员在16纳米FinFET工艺下设计并仿真了LIF、ML和AH三种基于CMOS的脉冲神经元电路。通过参数优化和多种功能测试,得出以下结论:AH电路吞吐量最高但功能脆弱;ML模型能再现生物反弹发放;LIF模型在综合性能上最优。该研究为下一代高密度神经形态系统中神经元拓扑与架构需求的匹配提供了定量框架。论文发表在《Advanced Intelligent Discovery》。

**关键技术方法**
研究人员采用Cadence Specter 21.1电路仿真器与TSMC 16纳米FinFET PDK(工艺设计套件),使用BSIM-CMG(Level 72)晶体管模型和Gear2积分方法进行瞬态仿真。通过Verilog-A模块定义脉冲计数与能量积分规则,实现频率和能量测量。采用嵌套参数扫描(电源电压0.1–0.9V,电容0.01–10fF)构建帕累托前沿。进行蒙特卡洛(1000次迭代)和PVT(工艺-电压-温度)分析评估统计稳定性。通过“起搏器-抑制”测试台评估抑制响应,通过双突触脉冲延迟扫描评估重合检测窗口,通过三层全连接网络(15个神经元)仿真评估网络级动态。

**研究结果**

**4.1 工艺变异性与环境稳定性**
蒙特卡洛分析显示AH拓扑具有最低的频率和能量变异性(均频138.25MHz,偏差3.33MHz;均值0.72fJ),LIF变异性最大(均频479.31MHz,偏差289.50MHz;均值270.25fJ),ML居中。PVT温度扫描表明LIF在SS拐角(慢-慢)下能耗较高(-40°C时30.83fJ/spike),FF拐角(快-快)仅为1.99fJ/spike;ML在51.5°C时出现亚阈值闩锁失效(248.60fJ),但69.8°C后恢复至4.51fJ;AH在所有拐角下维持低能耗。频率稳定性方面,所有拓扑呈现正温度系数,LIF绝对展宽最大,AH展宽最小。

**4.2 脉冲能量与频率分析**
电源电压和电容扫描显示AH在0.4V、0.01fF时达到最高频率1.51GHz,但高电压下频率滚降明显(>0.5V时从0.54GHz降至0.39GHz)。LIF峰值频率0.72GHz,线性度最优,中值配置下饱和于0.59GHz。能量方面,ML和LIF在0.9V时均约3.05fJ/spike,AH保持亚飞焦级但电压可扩展性有限。对比理论CV2基线,AH和ML的能量比大于1(分别为6.3和5.6),LIF为0.71,表明LIF动态效率接近理论值。

**4.3 平均动态功耗**
动态功耗随电容和电压变化。AH功耗最低(82.89nW至36.44nW),LIF最高(703.17nW至27.09nW),ML功耗范围宽(22.99nW至691.13nW),因亚阈值电流路径多。

**4.4 功能鲁棒性:抑制**
抑制测试(0.7V,1fF)表明LIF频率随抑制电流单调下降(1.08GHz至1.01GHz),行为稳定。ML呈现反常反弹发放:抑制电流从100nA增至1.7μA时频率从0.63GHz升至0.79GHz(增加25%),源于离子通道失活的移除。AH在施加任何抑制电流后立即停止发放(0Hz),表现功能失效。

**4.5 时间精度:重合检测**
双脉冲延迟扫描显示LIF具有V形检测窗口,在约20ns延迟达到峰值响应,输出0.72V尖峰。ML响应更宽且每40ns周期性下降,输出0.71V但有抖动。AH无法检测重合脉冲,输出电压仅200–900μV。

**4.6 网络级动态**
三层全连接网络(每层5个神经元)在泊松噪声驱动下,LIF呈现稀疏发放(300个尖峰),层间时间分离明确。ML呈现密集爆发(2687个尖峰),源于抑制诱发反弹。AH无法实现稳定传播。

**4.7 物理版图分析**
16纳米FinFET版图面积:LIF最大(3.88μm2),AH居中(1.86μm2),ML最紧凑(2.40μm2),得益于亚阈值晶体管替代无源器件。

**总结讨论**
与28纳米和65纳米CMOS等先前工艺相比,16纳米FinFET实现约18倍的面积缩小(从~34μm2降至1.86μm2)和超4个数量级的频率提升(从kHz至1.51GHz)。FinFET的陡峭亚阈值斜率和高驱动电流使复杂爆发动力学成为可能,但亚阈值静态漏电导致纳瓦级功耗基底,对始终开启的边缘应用构成约束。GHz级频率加速适合射频分类等高速任务,但高密度阵列可能面临热设计功耗挑战。研究人员强调,无单一拓扑普遍最优:LIF为通用脉冲神经网络提供最鲁棒基础,ML适用于生物仿生和合成生物学,AH适用于超低功耗边缘应用。与铁电FET、SONOS等新兴器件相比,FinFET拓扑在速度上优势显著(GHz vs kHz),但面积较大。

**研究结论翻译**
本文提供了16纳米FinFET技术节点下神经形态神经元电路的比较分析,揭示了不同模型间功耗效率与脉冲频率权衡的关键见解。研究强调了实现高脉冲频率与维持低每脉冲能耗之间的微妙平衡,突显了设计选择对神经形态计算系统运行效率的重要性。通过表征LIF、ML和AH拓扑,研究人员证明了缩放到16纳米节点可实现GHz级处理,但也引入了静态漏电和信号完整性方面的新挑战。本文不仅为神经形态计算的持续讨论做出了贡献,还为未来旨在优化神经元电路设计以提高计算速度和功率效率的研究提供了框架。所识别的权衡表明,尽管没有单一拓扑普遍最优,但LIF模型为通用脉冲神经网络提供了最鲁棒的基础,而ML和AH设计分别适用于生物仿生、合成生物学和超低功耗边缘应用。
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