电子产品世界

据格勒诺布尔实验室 CEA-Leti 领导的法国团队称，内置在 IC 金属层中的单一结构可以实现机器学习和模拟 AI 推理，下面的 CMOS 也可用于处理。

该结构由两个金属互连层组成，有四层：底部的 TiN、硅掺杂的 HfO2、Ti 清除层，然后是顶部的 TiN。

就目前而言，这是一种铁电电容器结构，但经过一次电气成型作（通过氧化铿长出导电螺纹）后，它就变成了可重新编程的忆阻器结构。

这允许在该层的任何地方随意制作任何一个设备。

CEA-Leti 表示：“铁电电容器允许快速、低能耗的更新，但它们的读取作具有破坏性，因此不适合推理。忆阻器在推理方面表现出色，因为它们可以存储模拟权重，在读取作期间节能，并支持内存计算。[然而]虽然忆阻器的模拟精度足以进行推理，但它不足以进行学习，学习需要小的、渐进的权重调整。

在使用中，这个想法是片外训练最初可用于将推理模型编程到忆阻器阵列的电导中。

随后，该 IC 将运行一种学习算法，将其神经网络权重以数字方式存储在铁电电容器阵列中，这些新权重将用于更新忆阻器中的模拟权重。

“前向和后向传递使用以模拟方式存储在忆阻器中的低精度权重，而更新则使用更高精度的铁电帽来实现，”研究负责人 Michele Martemucci 说。“忆阻器会根据存储在铁电帽中的 [三个] 最高有效位定期重新编程。”

该概念验证器件采用标准 130nm CMOS IC 制成，具有 16,384 个铁电电容器单元（每个单元有一个电容器和一个晶体管）和 2,048 个忆阻器单元（一个忆阻器和一个晶体管）。

10 个电容器存储单个有符号数字整数，忆阻器成对运行以存储差分（因此有符号）值。

为避免需要DAC将数据从数字电容传输到模拟忆阻器，最重要的三个电容的面积比（以及电荷）比为1：2：4，允许使用简单的模拟求和来设置忆阻器。

CEA-Leti 与格勒诺布尔阿尔卑斯大学、CEA-List、CNRS、波尔多大学、波尔多 INP、法国 IMS、巴黎萨克雷大学以及纳米科学和纳米技术中心合作。

有关详细信息，请阅读 Nature Electronics 论文“用于训练和推理的铁电忆阻器存储器”。这篇写得清晰的论文可以完整阅读，无需付费。

根据这篇论文：基于 IC 的神经网络“是使用随机梯度下降算法进行训练的......在多个边缘基准测试中获得的结果与浮点精度软件模型获得的结果具有竞争力，并且没有与硬件约束相关的耐用性限制。我们观察到忆阻器状态长达一个月的稳定性......重量转移纠正忆阻器电导水平的任何漂移“。