芯东西11月7日消息，本周最新一期《Nature》期刊，刊载了一种利用原子薄型半导体，设计兼顾逻辑计算和数据存储能力的芯片的方法。通过把两种功能结合于单一芯片结构，这种新型芯片可以更高效地驱动设备，或能用于推动AI方面的研究。

这种芯片设计方法由洛桑联邦理工学院（EPFL）纳米电子与结构实验室（LANES）的团队研发，论文名称为《基于一种原子级薄半导体的存储器式逻辑计算（Logic-in-memory based on an automically thin semiconductor）》。

这意味着系统运行过程中，数据必须不断在两个单元之间进行传输，因此，数据处理单元和数据存储单元之间交换信息的速度成为影响系统性能的一大重要因素。

随着运算要求不断提高，冯·诺伊曼架构的弊端逐渐显现：要处理不断增多的运算量，系统消耗的能源成本也将不断攀升。

针对这一问题，洛桑联邦理工学院研究团队指出，采用类似人脑计算方式的、将数据处理和数据存储功能集成在同一单元中的芯片设计方案，将有望大幅降低冯·诺伊曼结构解决方案的计算成本。

从这一思路出发，洛桑联邦理工学院研究团队研发了一种基于单层二硫化钼（MoS₂）存储器架构的可重编程逻辑器件。

根据论文，研究人员用这种结构演示了一个可编程或非门（NOR），结果显示这种设计可被扩展到更加复杂的可编程逻辑和功能完整的操作集中。研究人员认为，这种芯片设计方法显示出“原子级薄半导体在发展下一代低功耗电子产品方面的潜力”。

在二维过渡金属二硫化物中，单层二硫化钼的直接带隙尤其大。这意味着即使在纳米尺度的栅极长度和接近理论极限的情况下，该材料也能以高的开/关电流比（约为10的八次方）降低待机电流。

在这种情况下，基于单层二硫化钼材料的浮栅场效应晶体管，可以实现12nm以下的积极缩放（aggressive scale），同时提高器件的可靠性。这要归功于浮栅场效应晶体管相邻薄膜浮栅之间的原子级别厚度，以及减少的单元间干扰。

但是，在AI技术普及的过程中，作为载体的硬件如何实现更高能效成为另一个亟待解决的问题。面对传统冯·诺伊曼结构下的高能耗问题，越来越多研究者正试图通过云计算、存内计算等技术给出解决方案。

云计算可以实现数据的快速处理。但是，云计算也面临着数据隐私、响应延迟、服务成本高等问题。相比之下，存内计算或能兼顾低能耗、数据安全等各方面要求。