高濱老師進(jìn)一步分享說,人工智能對器件性能的要求很復(fù)雜,不是單純把器件阻值調(diào)穩(wěn),就能達(dá)到系統(tǒng)要求。如加速一個深度神經(jīng)網(wǎng)絡(luò),它的卷積層、全連接層等各種層,其實對器件的性能要求都不一樣。器件的指標(biāo)很難抽象到具體的數(shù)值標(biāo)準(zhǔn),以保證芯片設(shè)計的好壞。
比較全新的一個概念就是做陣列測試。不一樣的算法模型解決不一樣的數(shù)學(xué)問題,從底層的設(shè)計是有區(qū)別的,對器件的要求也不一樣。所以在小規(guī)模的陣列上,去做測試和研究,是有助于做器件的優(yōu)化的。
圖為一個 4X4 1T1R 陣列測試框圖。從框圖可以看出,陣列測試不僅測試硬件連接復(fù)雜,其控制流程及測試序列更需要定制。
高濱老師特別強(qiáng)調(diào)說:“不過最好還是要落實到器件上去做優(yōu)化。去調(diào)整器件里面電子、離子的輸運,最后去看整體算法的效果。這其實就是系統(tǒng)和器件之間的協(xié)同發(fā)展?!?
而在新器件工藝上,當(dāng)前摩爾定律正面臨極限挑戰(zhàn),一個方向是繼續(xù)“延續(xù)摩爾定律”。國際上幾大公司,都還在不斷研究新的先進(jìn)工藝,如堆疊三維基層晶體管。但門檻太高,能做的企業(yè)寥寥無幾。
高濱老師分享說:“目前另一個新的方向是單片三維集層,它與現(xiàn)在較熱的 chiplet,其實是平行路線。具體做法是,在一個襯底上盡量把很多器件三維堆疊起來。相對chiplet,其器件間的帶寬會更高。這是一個新的趨勢,可用新型 TFT 材料、薄膜氧化物、二維材料等嘗試做成后端兼容器件?!?
面向傳統(tǒng)存算分離架構(gòu)制約算力提升的重大挑戰(zhàn),去年十月,清華大學(xué)吳華強(qiáng)、高濱團(tuán)隊成功研制出了國際首顆支持片上學(xué)習(xí)的憶阻器存算一體芯片,提出了一種適于憶阻器實現(xiàn)高效片上學(xué)習(xí)的新型通用神經(jīng)網(wǎng)絡(luò)算法和STELLAR架構(gòu),有效實現(xiàn)大規(guī)模模擬型憶阻器陣列與CMOS的單片三維集成,并成功演示了圖像分類、語音識別和控制任務(wù)等多種片上增量學(xué)習(xí)功能。該成果通過算法、架構(gòu)、集成方式的全流程協(xié)同創(chuàng)新,展示出高適應(yīng)性、高能效、高通用性、高準(zhǔn)確率等特點,為發(fā)展高算力芯片探索出了一條創(chuàng)新路徑。
憶阻器的發(fā)展趨勢
在新興的信息時代,發(fā)展和探究憶阻器的各種性能刻不容緩。憶阻器全稱記憶電阻,是一種具有電荷記憶功能的非線性電阻,于1971年,由加州大學(xué)伯克利分校的華裔科學(xué)家蔡少棠教授提出。蔡教授從電路完整性角度出發(fā),從數(shù)學(xué)上推導(dǎo)出憶阻器的概念。
憶阻器是神經(jīng)元網(wǎng)絡(luò)的核心器件,它為發(fā)展信息存儲與處理融合的新型計算體系架構(gòu),突破傳統(tǒng)馮·諾伊曼架構(gòu)瓶頸,提供了可行的路線,其性能直接影響神經(jīng)元網(wǎng)絡(luò)的計算能力。
憶阻器的發(fā)展有三個階段:
第一個階段主要做存儲;
第二階段,就是現(xiàn)在做的存算一體,加速人工神經(jīng)網(wǎng)絡(luò)的;
第三便是類腦計算,不過它本質(zhì)還是憶阻器,因為它需要利用憶阻器的一些動力學(xué)特性。憶阻器主要是調(diào)節(jié)內(nèi)部的離子輸運,存算一體更多是利用它的靜態(tài)過程。未來還可以利用電離子的很多動態(tài)過程,去做更像神經(jīng)元的一些行為。
憶阻器也是目前材料和電子領(lǐng)域的研究前沿和熱點。其中,氧化物材料在憶阻器研究中具有重大價值。高濱老師分享說:“雖然對于氧化物憶阻器目前看似已經(jīng)到了發(fā)展的瓶頸期,但未來,還是有好幾個突破點的?!?
據(jù)高濱老師分享,可靠性和密度是非常值得關(guān)注的方向。
可靠性。一個器件能調(diào)節(jié)出很多個穩(wěn)定的電路狀態(tài),叫多比特存儲。只有做到多比特存儲,很多計算的效率才能提高。而多比特存儲,目前最高阻和最低阻都比較穩(wěn)定。但中間阻態(tài),由于原子分布的形貌比較特殊,就沒那么穩(wěn)定,這很大程度就限制了憶阻器的應(yīng)用。如何把中間阻態(tài)做穩(wěn)定,本身是一個科學(xué)問題。以及如何同時去監(jiān)測中間阻態(tài),對測試也提出了很大的挑戰(zhàn)。