新型神经形态硬件迈出重要一步！华中科大联合技物所等研发原型芯片，真正从硬件上实现感存算一体架构｜专访

自 20 世纪 80 年代，美国科学家卡弗·米德（Carver Mead）首次提出类脑智能以来，实现类脑智能成为人类一直追求的梦想，而类脑智能的基石则是类脑神经形态硬件。

8 月 19 日，华中科技大学缪向水、叶镭团队与中科院上海技术物理研究所胡伟达团队等单位合作，在 Science 发表了这篇以《基于二维材料的同质晶体管-存储器架构的神经形态硬件》（2D materials-based homogeneous transistor-memory architecture for neuromorphic hardware）为题的论文。

图 | 相关论文（来源：Science）

在此次研究中，华中科大缪向水团队与合作单位一起，联合攻克了信息传感、存储和计算之间信息交换时的性能瓶颈，提出了一种同质晶体管-存储器架构和新型类脑神经形态硬件。华中科大官方评价称，该成果是“未来颠覆性传感-存储-计算一体化的类脑智能和革命性非冯·诺依曼计算体系的一缕曙光”。

图 | 研究团队（来源：华中科大）

论文共同通讯作者、中科院上海技术物理研究所胡伟达研究员告诉 DeepTech：“该论文展示了一款具备感存算一体功能的芯片模型，此次工作真正从硬件上实现了存算一体的架构，为感存算一体化硬件打下了重要基础，让类脑智能从概念到应用迈出了重要一步。”

 

论文共同通讯作者、华中科技大学叶镭副研究员告诉 DeepTech 之所以做这款芯片，是因为存储器在存储过程中，需要一个“外围”电路去处理信号，即信号在进入存储器之前要经过预处理，再将信号存到存储器中。在读取存储器信号时，读出来的信号也要经过相应处理。

在当前 CMOS（Complementary Metal Oxide Semiconductor，制造大规模集成电路芯片使用的技术）工艺中，由于外围电路和存储器的功能不同，需不同器件结构或材料，因此从集成角度来看还具有较大空间。当时该团队考虑的是，让同一种器件既能做信号处理、又能实现存储，如此就能解决紧密耦合的集成难题。

图 | 此次论文的两位共同通讯作者：左为中科院上海技物所胡伟达研究员、右为华中科技大学光电信息学院副研究员叶镭（来源：受访者）

实现真正的纯硬件存算一体芯片

该团队发现，当使用相同器件结构去构建存储器和外围电路时，这给突破瓶颈带来了希望。

 

他们使用了二维材料，这是一种出色的红外智能传感材料，同时它又能构建丰富的存储器结构，基于此，该团队提出了二维材料与铁电近邻耦合实现感-存-算一体的新方法及其架构。

图 | 同质晶体管-存储器架构的原理及器件结构（来源：Science）

了解该方法之前，先得知道什么是 PN 结（p-n junction），它指的是“一块半导体晶体一侧掺杂成 P 型半导体，另一侧掺杂成 N 型半导体，中间二者相连的接触面称为 PN 结”，PN 结也是半导体二极管、双极性晶体管等电子器件的物质基础。

图 | PN 结（来源：维基百科）

而此次“感-存-算一体新方法”的好处在于：

其一，固定的铁电极化等效，可让非易失栅极电场对二维材料沟道进行电学掺杂，借此可构建出PN结、双极结型晶体管（BJT）等器件，在此基础上构建外围电路；

其二，铁电畴的极化翻转调制，可改变结型晶体管的结区内建势垒，因此能用于构建非易失存储器，还可提升高低阻值比，从而实现存内计算。

 

该论文涉及多款器件，其中有多层二硒化钨（WSe2）沟道、周期性极化的铌酸锂（LNO）介质、发射极（E）、集电极（C）、基极（B）和基极下的栅极（G）。

 

发射极（E）、集电极（C）、基极（B）电极下的铌酸锂介质，分别具有“向上-向下-向上”（Pu-Pd-Pu）的极化分布，这会对二硒化钨构成 N-P-N 掺杂。

 

当基极下的栅极（G）接地，该器件具有双极结型晶体管功能。将多个双极结型晶体管连接，用于构建运算放大器，就能实现模拟信号的放大、加法运算、积分运算、电压比较等功能。

 

而当发射极（E）、基极（B）接地，通过栅压改变基区下方铌酸锂的极化方向，Pu-Pd-Pu和Pu-Pu-Pu 极化分布分别为高阻态和低阻态，借此就能实现非易失存储功能。

图 | 基于同质晶体管-存储器架构的神经形态硬件实现了二值分类算法（来源：Science

鉴于外围电路使用的运算放大器和存储器单元，都采用同样的器件结构，这意味着可直接构建基于同质晶体管-存储器架构的神经形态硬件。一旦该硬件构建成功，即在理论和实验上实现了对数字图案和字母图案的分类选择。

 

此外，研究人员利用同质的晶体管-存储器架构，还实现了二个晶体管和二个忆阻器结构的新型三态内容寻址存储器（TCAM）单元，这种单元可用于大规模数据并行寻址。

 

另据悉，基于同质晶体管-存储器架构，该团队还提出一种三维集成结构。研究人员表示，这对推动基于二维材料的新型神经形态硬件的产业化和应用具有极其重要的学术意义和应用前景。

图 | 基于同质晶体管-存储器架构的 2T2R TCAM 单元（来源：Science）

中科院上海技物所研究员胡伟达告诉 DeepTech，他和叶镭已合作多年。对于此次论文能被 Science 录用，他表示感存算一体是非常前沿的研究方向，此前很多论文展示的重点主要基于存储器的设计，而本次工作不仅局限于单元红外传感器件的展示，而且实现了面阵化芯片，并与片上外围处理电路直接集成，实现了真正纯硬件的存算一体芯片。

叶镭则补充称，它目前的缺点是，目前很难生长出大面积、高质量的二维材料；此外制备器件采用的是非标工艺，不像 CMOS 采用的是标准工艺。如果未来这两个问题得以攻克，且有可能实现三维集成，届时会更有希望实现在无人驾驶汽车、AI、物联网、大数据等领域等的应用。

存算一体芯片应用恰逢其时

在应用上，当前在 AI、大数据、物联网和自动驾驶等产品上，如果仍然使用存储器和计算分离架构的芯片，在处理大量数据时由于存储和计算之间数据交换将导致低速度和高功耗。

 

以自动驾驶为例，车辆行驶中会有大量信息传到车载电脑中，如果使用存储器和计算分离的芯片，就会导致车载电脑反应过慢，使得自动驾驶系统的安全性大幅降低，甚至可能会导致撞车。

 

这就非常需要存算一体，甚至感存算一体架构来加速信息处理，它能让车载电脑迅速反应。

 

展望未来，研究团队表示，未来类脑智能芯片的整体趋势一定会朝突破冯·诺依曼架构的感存算一体化方向发展，这将会给 AI、大数据、物联网和自动驾驶等应用领域带来巨大变革。

该团队负责人缪向水教授，于 2007 年离开工作了十年之久的新加坡国立大学和国家数据存储研究院，也放弃了彼时八倍于国内的年薪和终身职位，回到母校华中科技大学研发三维相变存储器芯片和存算一体忆阻器技术，目前是教育部“长江学者”特聘教授、华中科技大学集成电路学院院长。

图 | 缪向水（来源：华中科大）

谈及回国原因，他告诉 DeepTech 10 个字：“事业、母校、武汉芯片产业。”

一眨眼间 14 年过去，如今他不仅和团队出版了国内第一本忆阻器专著《忆阻器导论》， 还于 2019 年将 93 项三维相变存储器芯片专利许可给长江存储公司，并联手后者一起开发产品。

提及本次成果，他表示：“这篇论文为解决感存算一体的硬件架构难题提供了一种全新思路。”

-End-