晶片科學家的雄心:全新通道材料實現存算一體,突破AI算力瓶頸

2020-11-28 DeepTech深科技

近日,瑞士洛桑聯邦理工學院的研究團隊在 Nature 上發表了題為《通過原子厚度半導體材料構建存儲和計算單元》(Logic-in-memory based on an atomically thin semiconductor)的論文。

該研究成果通過一種單一體系結構將邏輯運算和數據存儲兩種功能模塊有效整合到了一起,這或許為更高效計算機的出現鋪平了道路。值得注意的是,這項技術尤其適合用於人工智慧計算。

來自中國的博士生趙雁飛、王震宇等亦參與了本次論文寫作。

圖 | 瑞士洛桑聯邦理工學院研發的新型計算存儲二合一晶片

DeepTech 聯繫到論文通訊作者 Andras Kis 及論文作者之一趙雁飛,她表示,本次研究由瑞士洛桑聯邦理工學院(EPFL)納米級電子和結構實驗室(LANES)的 Andras Kis 教授最先發起並指導,同時 Andras Kis 也是該論文的通訊作者,博士生 Guillherme Migliato Marega 在趙雁飛等人的協作下,一起完成了上述新型計算存儲二合一晶片的製備。

圖 | 存儲器中的邏輯

關於計算和存儲,目前業界流行的做法是儘量縮短存儲單元與計算單元的通信 「路徑」。以目前排名第一的日本超算 「富嶽」 所搭載的 A64FX 為例,其晶片就採用了融合 CPU+GPU 的通用架構,並且內置了 7nm 的 HBM2 存儲器,每個晶片的內存帶寬高達 1024 GB/s。

圖 | 富嶽 A64FX 結構示意圖

但問題依舊沒有從根本上解決,這些存儲單元和計算單元仍然是割裂開的,那麼有沒有可能將它們 「合二為一」 呢?

我們目前用的計算機通常會在 CPU 處理數據,然後把數據傳遞到硬碟、或固態硬碟進行存儲。

該模式已經運行幾十年,但顯然存在著更高效的方式,比如人類大腦。它被稱為是世界上最強大的計算機,大腦中的神經元,就可以同時處理和存儲信息。

基於此,Andras Kis 教授試圖通過模仿人類大腦,來研發出存儲單元和計算單元合二為一的晶片。思路確定後,該團隊採用二硫化鉬(MoS2)作為通道材料,並將其用於開發基於浮柵場效應電晶體(FGFETs)的存儲器中邏輯器件和電路。在演示可編程或非門之後,FGFETs 作為適用於可重構邏輯迴路的構建模塊,可應用在更複雜的可編程邏輯上。

據趙雁飛介紹,在本次研究中,博士生 Guillherme Migliato Marega 搭建出測試裝置、並獨立完成了電學測量。趙雁飛則用有機金屬化學氣相沉積法(MOCVD),製備了單層單晶體 MoS2 材料。

博士生王震宇在同為通訊作者的 Aleksandra Radenovic 教授的指導下,進行了拉曼光譜分析和晶圓級單層 MoS2 薄膜的生長;博士後 Mukesh Tripathi 執行了高解析度透射電子顯微鏡(HRTEM)測量和模擬;Guillherme Migliato Marega 和博士後 Ahmet Avsar 以及 Andras Kis 教授共同負責數據分析和總結,並在所有作者的協助下撰寫出論文手稿,論文大概可分為四個要點:類腦的計算機結構、門電路及可編程的設計、半導體材料的選定、以及在實驗室的樣品製作。

據悉,該晶片由二硫化鉬製成,二硫化鉬是一種由鉬和硫組成的化合物,它在製造非常小的電晶體、發光二極體(LED)和太陽能電池方面具有非常大的潛力。

Andras Kis 表示,在厚度為 0.65 納米的 MoS2 片中,電子可以像在厚度為 2 納米的矽片中一樣有效移動,並且其能耗可以較後者減少 10 萬倍。

MoS2 材料具有很好的電氣特性,可以對其構建的電晶體電導率進行精確且連續的控制,這是石墨烯無法比擬的。並且,二硫化鉬對浮柵場效應電晶體中存儲的電荷非常敏感,因此研究人員可以開發出能同時用作存儲器存儲單元和可編程電晶體的電路。此外,二硫化鉬還能將多個處理功能整合到單個電路中,並根據需要進行更改。

晶片構建於浮柵場效應電晶體(FGFET)的基礎之上,這些電晶體能夠長時間存儲電荷,即能實現「非易失性存儲」,未來可以廣泛應用於相機、智慧型手機和計算機的快閃記憶體系統中。

本次研究中涉及到的浮柵內存結構如下圖所示,它主要包含一個本地鉻 / 鈀底柵和一個薄膜鉑浮柵,這種組成使其具有連續、且光滑的表面,進而帶來金屬表面粗糙度的降低,頂部隧穿氧化層與 2D 通道交界處的電介質紊亂也可藉此降低,最終裝置性能和穩定性得以提高。

圖 | 內存設備架構

如下圖所示,本次研究的所有裝置部件,都以可擴展的方式進行裝配,所以沒有使用任何剝離型材料(剝離:物理、化學作用後產生的一種現象)。

圖 | 存儲器陣列的光學顯微圖示

對於將邏輯運算和數據存儲放到同一架構的好處, Andras Kis 表示:「我們的電路設計具有多個優勢。它可以減少與在內存單元和處理器之間傳輸數據相關的能量損耗,減少計算操作所需的時間,並減少所需的空間。這為更小、更強大和更節能的設備打開了大門。」

存算一體化的突破之日,也是 AI 算力瓶頸的突破之日。為解決上述問題,微軟、英特爾等公司,已經投資過該技術方向,但是目前仍未誕生可大範圍應用的產品。

本次瑞士洛桑聯邦理工學院由提出的新辦法,有望解決上述難題。該研究的負責人 Andras Kis 教授表示:「這種電路運行兩種功能的能力類似於人腦的工作方式,(就像)神經元(一樣)既能夠存儲記憶又能夠進行心理計算。」

趙雁飛告訴 DeepTech,該團隊在二維材料半導體領域建樹頗多。他們曾在 2010 年設計出第一個由厚度僅為 0.7nm 的單層 MoS2 組成的電晶體晶片,隨後又發表出其他基於單層過渡金屬硫化物(TMDC)的重要成果,其中包括 2013 年發布的第一款基於 MoS2 的快閃記憶體設備。

該團隊的第一批電子晶片製備,都是基於手工剝離的 MoS2 材料製成的,成功率都比較低。在當時的知識體系和實驗條件下,研究人員並不清楚如何增強晶片可靠性。此後,該團隊發現,用當前的知識可以製造出結合快閃記憶體和電晶體的電路,並可做到只用快閃記憶體就能完成記憶和運算等所有工作。

來自湖北黃岡的 90 後 「晶片學者」

今年 27 歲的趙雁飛,出生於湖北黃岡,年少時隨父母在武漢學習和定居。2011 年,她考上浙江大學,就讀於材料科學與工程學院,並獲得工學學士學位。

在本科後半段,浙大老師幫她獲取了很多實驗室項目參與機會,這些經歷也幫她申請來 EPFL 留學的機會。來到 EPFL 後,她繼續材料學科的學習,並於 2018 年取得理學碩士學位。在修課的同時,她曾先後加入三個實驗室,期間也在瑞士 ABB 公司的研發部門實習過半年。

她告訴 DeepTech,這些不同的經歷給予她探尋自己科研興趣的機會,在碩士畢業論文期間,她對現在的導師 Andras Kis 教授所做的二維材料和器件領域產生了極大的好奇,因此便留在組裡並最終確定了以 「提升二維材料電學性能」 為課題來攻讀她的博士學位。

論文第一作者 Guillherme Migliato Marega 和趙雁飛的經歷頗為相似,他告訴 DeepTech,自己於 1994 年出生於巴西聖保羅的一個鄉村大學城聖卡洛斯,高中畢業後,進入聖保羅大學(USP)學習電子工程學專業,並參與 USP 和法國裡昂中央理工學院一起開設的雙學位課程,最終獲得工程師文憑。在此期間,他廣泛參與各種小型課程研究項目。在開始博士生涯的前一年,他與巴西一位教授進行了一次關於二維材料的對話。這場談話也成為他後續研究的啟蒙,自此他對此類材料可能帶來的電子應用充滿熱情,這促使其聯繫了在該領域開拓出 TMDC 的 Andras Kis 教授,並最終確定以 「開發最先進的內存處理器」 為課題來攻讀他的博士學位。

這兩位來自不同國家的 90 後學者,在本次論文中表示:「內存和邏輯的這種直接集成可以提高處理速度,為基於 2D 材料的節能電路實現機器學習、物聯網和非易失性計算開闢了道路。」

談及應用場景,趙雁飛表示,理論上講這種方法可替代手機或計算機中的處理器。即使最終無法實現上述目標,它也可以用於信號處理,如晶片上的圖像或聲音處理。

最後她補充道,該研究目前仍處於早期階段,本次只實現了小規模電路的落地。未來有待解決問題是這些電路能否大規模製造,以及是否會帶來經濟效益。

相關焦點

  • 能效比GPU高兩個數量級,清華大學研製首款多陣列憶阻器存算一體系統
    集微網消息,近日,清華大學微電子所、未來晶片技術高精尖創新中心錢鶴、吳華強教授團隊與合作者在《自然》在線發表了研究論文,報導了基於憶阻器陣列晶片卷積網絡的完整硬體實現。該成果所研發的首款基於多個憶阻器陣列的存算一體系統,在處理卷積神經網絡(CNN)時的能效比圖形處理器晶片(GPU)高兩個數量級,大幅提升了計算設備的算力,成功實現以更小的功耗和更低的硬體成本完成複雜的計算。
  • 清華高濱:基於憶阻器的存算一體單晶片算力可能高達1POPs | CCF-G...
    計算的範式層面,存算一體也從布爾邏輯計算變成了基於物理定律的模擬計算,架構變成存算一體架構。」但新的計算系統因為憶阻器的穩定性、計算誤差累積等問題,2018年以前完整的存算一體晶片和系統並沒有突破。對於存算一體,國內外都在關注,比如IBM就公布了他們的三步曲,第一步是想採用近似計算的數字AI晶片,第二步是基於模擬計算的AI晶片,第三步是採用優化材料體系的模擬計算晶片,用這種新材料、新器件來做。在國內,去年華為任正非就專門提到邊緣計算不是把CPU做到存儲器裡面,就是把存儲做到CPU裡,這改變了馮諾依曼結構,存儲和計算合二為一,速度更快。
  • 人工智慧的另一方向:基於憶阻器的存算一體技術
    其中來自清華大學的吳華強老師做了題目為「大腦啟發的存算一體技術」的報告。在報告中吳教授介紹到:當思考未來計算的時候,量子計算、光計算是向物理找答案,類腦計算、存算一體是向生物找答案,也就是向大腦找答案。目前吳老師正在晶片上做電子突觸新器件,做存算一體的架構。新器件方面主要研究的是憶阻器,它的特點是可以多比特,同時非易失,即把電去掉可以保持阻值,並且它速度很快。
  • 清華類腦晶片再登Nature: 全球首款基於憶阻器的CNN存算一體晶片
    被認為具有「存算一體」潛力的憶阻器,因而成為類腦計算領域的熱門器件,被寄予提高算力,突破技術瓶頸的厚望。基於多個憶阻器陣列實現的存算一體化開發板該陣列晶片以憶阻器替代經典計算機底層的電晶體,以更小的功耗和更低的硬體成本大幅提升計算設備的算力,在一定程度上突破了傳統計算框架「馮諾依曼瓶頸」的限制:大幅提升算力的同時,實現了更小的功耗和更低的硬體成本。
  • ...全球首款基於憶阻器的CNN存算一體晶片,能效高出GPU兩個數量級
    被認為具有「存算一體」潛力的憶阻器,因而成為類腦計算領域的熱門器件,被寄予提高算力,突破技術瓶頸的厚望。基於多個憶阻器陣列實現的存算一體化開發板該陣列晶片以憶阻器替代經典計算機底層的電晶體,以更小的功耗和更低的硬體成本大幅提升計算設備的算力,在一定程度上突破了傳統計算框架「馮諾依曼瓶頸」的限制:大幅提升算力的同時,實現了更小的功耗和更低的硬體成本。
  • 清華大學的存算一體化架構和並行加速方法專利
    清華大學基於多個憶阻器陣列的全硬體完整存算一體系統,能夠高效的運行卷積神經網絡算法,證明了存算一體架構全硬體實現的可行性,對今後AI算力瓶頸的突破有著極大意義。該成果所研發的基於多個憶阻器陣列的存算一體系統,在處理卷積神經網絡時的能效遠高於GPU,大幅提升了計算設備的算力,成功實現了以更小的功耗和更低的硬體成本完成複雜的計算。 隨著以人工智慧為代表的信息技術革命興起,基於各種深度神經網絡的算法可以實現圖像識別與分割、物體探測以及完成對語音和文本的翻譯、生成等處理。
  • 打破馮諾依曼架構限制 國內研發存算一體AI晶片
    大家都知道我們現在的電腦——不論是PC還是超算,都是處理器、存儲晶片分離的,這就是馮諾依曼50多年前確立的計算架構。隨著技術的發展,存儲計算分離的架構瓶頸越來越多,日前國內研發出了存算一體的AI晶片,號稱自主智慧財產權,國內首創、國際領先。
  • 清華實現完整硬體CNN,憶阻器陣列效能高過GPU兩個數量級
    該成果所研發的基於多個憶阻器陣列的存算一體系統,在處理卷積神經網絡(CNN)時的能效比圖形處理器晶片(GPU)高兩個數量級,大幅提升了計算設備的算力,成功實現了以更小的功耗和更低的硬體成本完成複雜的計算。
  • 存算一體晶片研發商知存科技完成近億元A輪融資,中芯聚源領投
    【獵雲網(微信:ilieyun)北京】8月6日報導獵雲網近日獲悉,存算一體晶片研發商知存科技宣布完成近億元2018年12月,知存科技曾獲翼豐投資,啟迪之星,科大訊飛Pre-A輪投資;2018年初曾獲啟迪之星天使投資。知存科技創始人兼CEO王紹迪表示,此輪融資將主要用於完成晶片的量產工作。中芯聚源高級投資經理楊雪表示:知存科技技術傳承路徑清晰,在存算一體技術路線領域屬於國際第一梯隊。團隊研發實力雄厚。
  • 韓國科技公司加速AI晶片研發,存算一體成新趨勢
    導語:韓國IT行業加速開發AI晶片,存算一體或成核心競爭力!功耗方面仍面臨技術障礙。一、存儲器技術或成AI晶片新優勢在人工智慧時代,海量大數據實時高速流動,AI半導體在AI時代至關重要。與DRAM晶片一樣,AI晶片的競爭力取決於是否有技術可使它們變得儘可能小巧。三星電子在2019年4月24日闡述了其在2030年希望完成的半導體願景。當AI半導體技術變得更加複雜時,存儲器和處理器將最終集成為一體。
  • ...神經擬態模數混合計算晶片行業的領軍者,開拓感存算一體架構晶片
    成立於2018年的九天睿芯,專注高能效神經擬態感存算一體晶片,同時提供高能效感存算一體(生物醫療、語音視覺加速等其他信號)晶片設計、軟體編譯配置等定製化服務。談及神經擬態模數混合計算的發展淵源,九天睿芯介紹,自Carver Mead在90年代提出理論,經由創始人劉洪傑博士在蘇黎世聯邦理工的博士導師,Tobi Delbruck在神經感知計算領域實現的實際應用落地。
  • 新基建浪潮下AI晶片的絕佳機遇 | CCF-GAIR 2020
    AI晶片技術前沿清華大學高濱:基於憶阻器的存算一體晶片技術形成新的計算系統近幾年,AI的發展對算力需求每年都是幾個數量級的增加,此時,傳統計算機的三大基石難以跟上算力需求的增加,需要創新的技術,但創新技術依舊面臨巨大的挑戰。
  • 知存科技致力於開發的基於NOR Flash的存算一體化人工智慧晶片
    知存科技致力於開發的基於NOR Flash的存算一體化人工智慧晶片 李倩 發表於 2018-07-04 16:07:17 知存科技致力於開發的基於NOR Flash的存算一體化人工智慧晶片,其晶片特點是能耗低
  • 看懂未來十年AI晶片趨勢!GTIC 2020 AI晶片創新峰會成功舉行
    回顧AI晶片的階段性發展,尹首一教授總結到:1、目前AI晶片仍處於起步階段,在科研和產業應用方面具有廣闊的創新空間。2、AI晶片從算法和應用角度給行業提出了許多創新需求,促使人們探索更多的顛覆性技術,有望徹底突破傳統架構的性能和能效瓶頸,實現集成電路的跨越式發展。
  • 「芯觀點」後摩爾時代的AI革命:算力需求激增,催生晶片創新
    各大廠商對機器學習的熱情越來越高,對算法、算力和數據提出新的要求,尤其是對算力需求的激增,進一步催生相關晶片和專用設備的蓬勃創新,而在後摩爾時代,這種創新或將成為突破算力極限的關鍵。數據「餵」大的機器智能什麼是機器學習?
  • AI晶片「點燃」北京!GTIC 2020 AI晶片創新峰會大咖演講全乾貨
    回顧AI晶片的階段性發展,尹首一教授總結到:1、目前AI晶片仍處於起步階段,在科研和產業應用方面具有廣闊的創新空間。2、AI晶片從算法和應用角度給行業提出了許多創新需求,促使人們探索更多的顛覆性技術,有望徹底突破傳統架構的性能和能效瓶頸,實現集成電路的跨越式發展。
  • ...出全球首款多陣列憶阻器存算一體系統,能效比GPU高兩個數量級
    不過,最近雷鋒網了解到,清華大學微電子所、未來晶片技術高精尖創新中心錢鶴、吳華強教授團隊與合作者在《自然》在線發表了題為「 Fully hardware-implemented memristor convolutional neural network 」的研究論文,報導了基於憶阻器陣列晶片卷積網絡的完整硬體實現。
  • ...研製出全球首款多陣列憶阻器存算一體系統,能效比GPU高兩個數量級
    不過,最近雷鋒網了解到,清華大學微電子所、未來晶片技術高精尖創新中心錢鶴、吳華強教授團隊與合作者在《自然》在線發表了題為「 Fully hardware-implemented memristor convolutional neural network 」的研究論文,報導了基於憶阻器陣列晶片卷積網絡的完整硬體實現。
  • 科學家利用AI技術造出更快,更精準,更清潔的光碟機納米晶片
    未來,隨著技術的進一步突破和發展,該晶片可以實現更智能、更小型的自主技術,比如無人機和機器人技術,以及智能可穿戴設備和仿生植入物,例如人造視網膜。多功能納米晶片在人類的認知學習過程中,視覺記憶往往是學習信息的核心來源。而 AI 系統的基礎之一,就是受人類認知啟發的神經形態視覺組件。
  • 清華制人工神經網絡晶片,能效比GPU高兩個數量級
    被認為具有「存算一體」潛力的憶阻器,因而成為類腦計算領域的熱門器件。近日,清華大學微電子所、未來晶片技術高精尖創新中心錢鶴、吳華強團隊與合作者在頂尖學術期刊、英國《自然》雜誌(Nature)在線發表論文,報導了基於憶阻器陣列晶片卷積網絡的完整硬體實現。