新闻中心

EEPW首页 > 网络与存储 > 业界动态 > 带你展望六大“未来式”存储器的技术趋势

带你展望六大“未来式”存储器的技术趋势

作者:时间:2019-02-03来源:电子工程世界收藏
编者按:对神经形态计算的浓厚兴趣刺激人们研发出一系列全新的存储设备,这些设备可以复制生物神经元和突触功能。最近,一篇回顾该领域现状的论文对六种最有前景的技术进行了盘点和解读。


本文引用地址:http://www.eepw.com.cn/article/201902/397412.htm

  MARM

  MRAM是一种非易失性的磁性随机存储器,以磁性方式存储数据,但使用电子来读取和写入数据。磁性特征提供非易失性,电子读写提供速度。MRAM拥有静态随机存储器(SRAM)的高速读取、写入能力,以及DRAM的高集成度,而且基本上可以无限次地重复写入。

  不过,当前的MRAM存储元件也有其明显的产品短板。很多嵌入式系统都必须在高温下运行,而高温往往会损害MRAM的数据保存能力。另外,MRAM的保持力、耐久性和密度也需要得到进一步的提升。

  在神经形态计算领域,MRAM也有着独特的优势。MRAM存储元件包括两个铁磁层,由自由层和固定层组成,中间夹着非磁性氧化层。MRAM通过克服将磁化从一个方向切换到另一个方向所需的阻力来工作。通过在自由层中加入域壁可以实现多种阻力状态。这些器件中开关态的随机性可以用来模拟突触的随机行为。

  对于STT-MRAM的商业产品,Avalanche Technology、Spin Memory和Everspin Technologies都在布局。从商业角度来看,Everspin似乎是走得最远的。本月,该公司已经开始向客户提供1Gb的STT-MRAM设备。上面讲到,格罗方德等公司对ReRAM技术较为冷淡,不过对MRAM却很上心,包括格罗方德、英特尔和三星等都已经宣布将MRAM列入自己未来的产品计划中。

  铁电场效应晶体管(FeFET)

  FeFET存储器使用的铁电材料,可以在两种极化状态之间快速切换。与论文里面提到的其他技术一样,它可以在低功耗下提供高性能,同时还具有非易失性的附加优势,FeFET有望成为新一代闪存器件。

  FeFET主要原理是在现有的逻辑晶体管上采用基于氧化铪基的High-K(高K)栅电介质+Metal Gate(金属栅)电极叠层技术,然后将栅极绝缘体改性成具有铁电性质。FeFET并不是一个新鲜的事物,早在2008年,日本产业技术综合研究所与东京大学就联合宣布研发出FeFET的NAND闪存储存单元,号称大幅改良了NAND闪存的性能缺点。不过,到现在十年过去了,FeFET距离成为主流闪存产品仍然还有很长的路要走。

  根据论文作者的说法,FeFET这种类型存储器的电压可以通过模拟突触权重的方式进行调整,突触权重是神经形态计算的重要元素。FeFET的一大优势是一些铁电化合物能够与传统的CMOS兼容,因此更容易集成到当下标准的计算平台中。当然,FeFET没有大规模商用也是因为其还存在明显缺点,主要是该技术还受到DRAM的一些限制,包括伸缩性、泄漏和可靠性等方面都有待提升。IEDM的一篇论文指出,SK 海力士、Lam及其它公司都对外表示,由于外部问题,铁电铪材料的实际开关速度比原本预期的要慢。

  在商用层面,Fraunhofer、格罗方德和NaMLab从2009年就开始了FeFET的研发,SK 海力士、Lam等也有相关的研发计划。

  突触晶体管

  与论文中提到的其他技术不同,突触晶体管专门用于模拟神经元的行为。晶体管是三端子结构,包括栅极、源极和漏极。栅极使用电导将突触权重传递到通道,而源极和漏极用于读取该权重。电解质溶液用于调节通道的电导,实现神经形态功能的核心模拟行为。

  中国国内的研究机构在突触晶体管的研发上有着不错的进展。2017年,中国科学院物理研究所/北京凝聚态物理国家实验室(筹)磁学国家重点实验室M06采用二维材料α-MoO3单晶薄片作为沟道材料制备了一种三端阻变器件,利用离子液体作为栅极,施加电场在二维材料间隙层中注入氢离子,实现了α-MoO3沟道电阻在低能耗条件下的多态可逆变化。在此基础上,研究人员通过改变脉冲电场触发次数、宽度、频率和脉冲间隔,成功模拟了生物学中的神经突触权重增强和减弱过程、短时记忆至长时记忆的转变、激发频率依赖可塑性(SRDP)和STDP等行为。

  论文作者指出,突触晶体管拥有“卓越的性能”,甚至可能比生物等效物更好。不过,这项技术仍处于早期研究阶段,目前的实现方式在耐久性、速度和电解质方面都受到限制。此外,突触晶体管从未被证明可以作为神经网络进行连贯地工作。

  总的来说,论文中提到的这些技术都有潜力来“显著提高计算速度,同时降低功耗”。论文作者承认每种技术都有自己特定的优势和劣势。他们认为,至少在可预见的未来,任何人工神经形态系统的实现仍然必须依赖CMOS电路来作为外围组件。作者在论文中这样写道:“为了使神经形态系统能够自立,这些新设备技术必须突飞猛进。这些技术是仍然需要持续发展的领域,通过材料科学家、设备工程师、硬件设计师、计算机架构师和程序员之间的强有力合作将有助于促进跨学科对话,以解决神经形态计算领域面临的诸多挑战。”


上一页 1 2 下一页

关键词:

评论


相关推荐

技术专区

关闭