助力開發超快人工神經網絡存算一體系統

　　中國科學技術大學李曉光團隊基于鐵電隧道結量子隧穿效應，實現了具有亞納秒信息寫入速度的超快原型存儲器，并可用于構建存算一體人工神經網絡，該成果近日在線發表于《自然—通訊》。

　　在大數據時代，海量數據的低能耗、快速存儲處理是突破和完善未來人工智能、物聯網等技術發展的關鍵之一。為此，迫切需求一種既能匹配CPU處理數據的速度，又像閃存一樣具備高密度、非易失的信息存儲。如果該存儲器還具有優秀的憶阻特性，從而實現人工突觸器件的功能，則可用于構建存算一體的計算系統，并有望突破馮諾依曼架構，為人工智能提供硬件支持。

　　研究人員制備了高質量鐵電隧道結，通過對其阻變速度、開關比、操作電壓的調控，該原型存儲器信息寫入速度快至600皮秒（注：機械硬盤的速度約為1毫秒, 固態硬盤的約為1~10毫秒， 1毫秒=1,000,000,000 皮秒）、開關比達2個數量級，且其600皮秒的阻變速度在85℃時依然穩定（工業測試標準）；一個存儲單元具有32個非易失阻態；寫入的信息預計可在室溫穩定保持約100年；可重復擦寫次數達108~109次，遠超商用閃存壽命（約105次）。即使在極端高溫（225℃）環境下仍能進行信息的寫入，可實現高溫緊急情況備用。這些結果表明，該鐵電隧道結非易失存儲器具有超快、超低功耗、高密度、長壽命、耐高溫等優異特性，是目前綜合性能最好的非易失存儲器之一。

　　此外，該存儲器還由于鐵電隧穿層中疇的可連續翻轉特性能實現電阻的連續調節，而且這一憶阻特性可用于構建超快的人工突觸器件，從而用于開發超快人工神經網絡存算一體系統。人工神經網絡的模擬結果表明，利用該鐵電隧道結憶阻器構建的人工神經網絡可用于識別MNIST手寫數字，準確率可達90%以上。