熱膨張エンジニアリングされた強誘電体トランジスタアレイによるスケーラブルなエッジAIコンピューティング

科学分野:

• 材料科学
• コンピュータ工学
• 人工知能

背景:

• フォン・ノイマンアーキテクチャは、メモリとロジックが分離しているため、AIにおけるエネルギーとレイテンシの問題に直面している。
• 強誘電体トランジスタはインメモリコンピューティングの可能性を提供するが、再構成可能性が必要である。

研究 の 目的:

• 効率的なAIワークロードのための再構成可能な強誘電体トランジスタプラットフォームを開発する。
• これらの新規デバイスを使用したインメモリコンピューティングの実現可能性を実証する。

主な方法:

• タングステン（W）または窒化チタン（TiN）ゲート電極を備えた金属-強誘電体-金属-絶縁体-半導体（MFMIS）構造をエンジニアリングした。
• 酸化ハフニウムジルコニウム（HZO）強誘電体層を利用し、デバイスのパフォーマンスメトリクスを評価した。
• VGG-8畳み込みニューラルネットワークをシミュレートし、FeFETアレイで実験的なアレイ操作を実行した。

主要な成果:

• 高パフォーマンスのWゲートMFMIS-FeFETを達成：大きなメモリウィンドウ（約11 V）、>10^6のオン/オフ比、10^12の耐久サイクル、および22の状態をプログラム可能。
• 非理想的な条件下でのシミュレートされたVGG-8ネットワークにおけるCIFAR-10分類で97.2%の精度を実証。
• FeFETアレイにおけるエッジ検出および特徴抽出のためのアナログドメイン畳み込みを実験的に実現。

結論:

• 再構成可能なMFMIS-FeFETアレイは、ニューロモルフィックおよびインメモリコンピューティングシステムのためのスケーラブルで低消費電力のプラットフォームである。
• メモリとロジックのモノリシックな統合が可能になり、フォン・ノイマンボトルネックに対処する。
• この技術は、インテリジェントエッジシステムおよび将来のCMOSを超えるコンピューティングパラダイムをサポートする。