最薄的存储器件:存储密度高,计算能力强!

近日,美国德克萨斯大学奥斯汀分校与中国北京大学展开合作,在忆阻器的基础上改造,开发出迄今为止最薄的、具有高存密度的存储器件。这项研究为应用于消费电子产品、大数据、脑启发计算等各个领域的更快、更小、更智能的计算机芯片铺平了道路。

背景

许多年来,传统的计算机体结构一直都是基于冯诺依曼体系结构。在冯诺依曼体系结构中,CPU与内存是分离的,存储器(内存)用于存储程序指令和数据,CPU用于执行指令和处理相关数据。但是,相对于内存的数据容量,CPU与内存之间的吞吐量(即数据传输率)显得很小;此外,整个数据吞吐量也远远低于CPU处理数据的工作效率。

随着计算机技术的进步,CPU速度不断提高,内存容量也不断扩大,但是内存访问速度却增长缓慢,导致瓶颈日趋严重。一项新的存储技术:忆阻器,让我们看到了解决这一瓶颈的希望。

(图片来源:南安普敦大学)

忆阻器是一种有记忆功能的非线性电阻。通过控制电流变化可改变其阻值,如果把高阻值定义为“1”,低阻值定义为“0”,它就可以实现存储数据的功能。忆阻器不仅可用于存储数据,还可以实现逻辑计算。因此,它能有效解决CPU与内存之间的速度不匹配的问题,即所谓的“冯·诺依曼瓶颈”和“内存墙”问题,进一步突破带宽和功耗限制。

在存储技术中,经常使用的随机存取存储器(RAM)可随时读写,速度很快,但电源关闭后,数据无法保存,因此具有“易失性”;闪存(Flash)在电源关闭后,可以长久地保持数据,具有“非易失性”,可是它的速度比RAM要慢。然而,忆阻器正好完美地结合了二者的优势,既快速又可靠。

如今,神经网络的高度并行计算架构正日趋兴起。人工智能和机器学习的发展,更是为神经网络计算注入了新的活力。神经网络受到人类大脑启发,由神经元、节点、突触以及节点之间的连接组成。人类大脑中,神经突触可以作为神经元之间的连接,进行信息传递。这种连接是牢固的,当更多的神经突触受到刺激时,学习能力会得到提升。

然而,忆阻器的工作方式与神经突触有点类似。在对其施加电压脉冲之后,其电阻会发生变化,就像生物神经元一样。当电阻值低时,这种突触连接会加强,当电阻值高时,这种突触连接会减弱。忆阻器的学习能力,正是基于这种可调整的电阻。因此,忆阻器被认为是是下一代神经网络和神经形态计算里最有前景的硬件单元。

忆阻器网络,与人类大脑的神经网络相似,可同时处理许多任务。最重要的是,它无需反复移动数据,可以并行地处理大量信号,特别适合于机器学习系统。对于实现深度神经网络而言,相对于传统计算机系统结构,忆阻器是一个更好的选择。

创新

然而,忆阻器的存储密度和可扩展性仍有待于进一步提高。今天要介绍的创新科技是在忆阻器(memristor)的基础上改造而成的,它就是由二维纳米材料制成的"atomristor" (Akinwande 创造出的术语)。

(图片来源:科克雷尔学工程学院)

美国德克萨斯大学奥斯汀分校(University of Texas at Austin)的电气工程师团队与中国北京大学的科学家们进行合作,开发出迄今为止最薄的、具有高存密度的存储器件:atomristor。

研究团队将研究成果发表于一月份发行的《纳米快报》(Nano Letters)刊物。

技术

全世界的工程师们都在开发各种各样的替代方案,希望在更小的计算机芯片上实现更大的存储容量。迄今为止,过去采用二维原子薄片制作存储器件的研究一直都未能释放出它们的潜力。

德克萨斯大学奥斯汀分校科克雷尔学工程学院电气和计算机工程系副教授 Deji Akinwande 表示:“长时间以来,科学家们一致认为根本没有可能使用只有一层原子厚度的材料制造存储器件。然而,我们通过新型的‘atomristor’展示这一切确实是有可能的。”

Akinwande 表示:“Atomristor 通过将纳米级的存储器与纳米晶体管,在同一块高级计算系统芯片上进行三维集成,从而推进摩尔定律在系统级别发展。”

迄今为止,在一个微型集成电路上,存储和晶体管都是相互独立的组件,但是,atomristor在更高效的单个计算机系统上,集成了二者的功能。

Akinwande和他的团队发现了二硫化钼等原子级二维材料的非易失性记忆效应。这种效应类似于金属氧化物材料中的忆阻器。这些器件可以被统称为晶闸管,本质上是在原子级薄膜纳米材料或原子片层中的忆阻效应。由于二硫化钼和相关材料都是晶体,并具有良好的隔电性以防止电流流动,所以可以在工用型晶闸管中实现。

通过使用金属性的原子薄片(石墨烯)作为电极和半导体的原子薄片(二硫化钼)作为活性层,整个存储单元就像一个1.5纳米厚的三明治,从而可以在一个平面中逐层地密集封装atomristors。相对于传统的存储器件来说,它的优势很明显,因为它占据的空间小很多。此外,厚度变薄,也导致了更快速、更高效的电子流。

(图片来源:参考资料【2】)

由于它们特定的尺寸、容量、集成柔性,atomristor 能够封装到一起,制造出高级三维芯片,这些三维芯片是成功开发脑启发计算的关键。在这个新兴的工程领域最大的挑战之一就是:如何制造出一种类似于在人脑中发现的存储架构。

价值

这项研究为更快、更小、更智能的计算机芯片铺平了道路,这些芯片将应用于从消费电子产品、大数据、脑启发计算等各个领域。

Akinwande 表示:“通过将这些合成的原子薄片相互层叠在一起,加上集成集体管设计,可以制造出这种存储器。这种存储器的高密度意味着我们有望制造出能够像我们大脑一样学习和记忆的计算机。”

研究团队也发现这项技术另外一项独特的应用。在现有的各种设备中,例如智能手机和平板电脑,无线电频率开关用于将来自天线的输入信号与许多无线通信频段中的一种连接起来,从而让设备的不同部件相互通信和合作。这项活动会显著影响智能手机的电池寿命。atomristor 是最小的无线电频率存储开关,而且没有直流电池损耗,从而最终导致更长的电池寿命。

Akinwande 表示:“总的来说,我们感觉这一发现具有真正的商业化价值,因为它不会干扰现有的技术。相反地,它的设计弥补了现代技术设备中已经使用的硅芯片的缺陷,并且可以与硅芯片集成到一起。”

关键字

忆阻器、存储技术、二维材料、神经网络、半导体

参考资料

【1】https://news.utexas.edu/2018/01/17/ultra-thin-memory-storage-device-for-more-powerful-computing

【2】http://pubs.acs.org/doi/10.1021/acs.nanolett.7b04342

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180119A0UXO400?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券