芯片革命：二維材料顛覆傳統計算架構

中國光學

關注

2020-09-24 14:00

吉林

來源：澎湃新聞·澎湃號·湃客

字號

原創 長光所Light中心 中國光學 收錄于話題#二維材料1#計算技術1

撰稿人 | Charlie（浙江大學 博士生）

近年來，隨著人工智能、大數據、5G等新一代信息產業的蓬勃興起，人類社會要處理與分析的數據量也與日俱增。統計數據顯示，2020年全球數據總量將達到44ZB,而到2025年全球數據總量將達到175ZB，增長三倍以上。這些海量的數據對我們芯片的計算能力提出愈來愈高的要求。在這一背景下，如何將已經有50多年歷史的摩爾定律繼續延續下去，已經成為了學術界和產業界共同面臨的一大挑戰。

近日，復旦大學微電子學院的周鵬（

）團隊在Nature Nanotechnology發表綜述文章，題為“Two-dimensional materials for next-generation computing technologies”，該篇文章從感知型計算和推理型計算兩個角度，聚焦總結了二維材料應用到矩陣計算和邏輯計算當中的方法和潛力，同時指出了二維材料和傳統材料在未來計算芯片中各自的優勢和劣勢，并進一步對二維材料在未來計算技術當中的發展前景做了展望。

圖源：Veer

根據數據處理方式的不同，計算任務可以分成感知型和推理型兩類。

感知型計算的典型代表有圖像識別，自然語言處理等基于神經網絡的計算，推理型計算的具體例子則有CPU, FPGA等晶體管型計算。

在處理諸如物體識別和自然語言處理這類感知型計算時，高度并行的矩陣計算方法是最優方法；而處理推理型計算任務時，串行的邏輯計算方式效率會更高。

目前的計算架構是將計算單元和存儲單元物理分離的馮諾依曼型架構，用戶只能將這種單一的計算架構同時用于解決感知型計算和推理型計算中。然而，感知型計算和推理型計算的對計算架構的不同要求給馮諾依曼構型提出了嚴峻的挑戰。

一方面，計算單元和存儲單元之間的數據傳輸速率受到架構的限制，使得在處理感知型任務時數據遷移的能量和時間消耗甚至比計算本身的還要大。盡管目前業界已經提出了近內存技術來提高能效，但是硅通孔連接密度的制約使得這種近內存技術不足以實現高能效計算。

另一方面，推理型任務計算性能的提高需要在邏輯處理單元實現更高的晶體管密度。然而，當硅厚度減小到3nm以下時，Dennard縮放比例定律將會面臨嚴重的性能衰減問題。

圖1 矩陣運算和邏輯運算示意圖

圖源：Nature Nanotechnology 15, 545-557(2020)(Fig.1)

后來，人們認識到，如圖1所示，既然感知型計算和推理型計算對架構的要求不同，根據不同類型的計算任務設計不同的架構才是解決計算性能問題更加高效的方式。據此，人們針對感知型計算任務設計了存內計算，而對于推理型計算設計了晶體管計算方式。

存內計算是一種使用陣列排布的內存器件來執行矩陣運算的技術，這種技術可以避免數據遷移帶來的時間和能量消耗。這種技術在矩陣運算方面很有前景，但是距離商業應用還有很多技術問題需要解決。對內存的操作會顯著地增加計算的能耗，這會抵消存內計算本身帶來的節能優勢；并且，內存的不穩定性會降低計算的精度；同時，非離子動力學機理會給低能耗仿生系統的實際實現帶來諸多困難。

對于邏輯計算來說，存內計算已經被證實不合適串行計算，因為存內計算的邏輯計算效率很低，因此場效應晶體管技術仍然是最有前景的選擇。為了能將晶體管的特征尺寸降低到5nm以下，由于其懸掛鍵會帶來的強散射，因此體材料將不再是一個最佳的材料體系。而二維材料的無懸掛鍵優勢使得其有可能克服傳統晶體管的尺寸限制，同時實現計算和內存融合的高面積效率集成計算結構。

在這篇綜述中，作者縱覽了二維材料在芯片計算方面所帶來的性能提高和器件創新，包括存內計算中功耗的降低，計算精度和仿生特性的提高，以及晶體管技術在邏輯計算中展現出的尺寸減小優勢和高面積效率集成潛能。

自從石墨烯被發現以來，各種其他的二維材料，尤其是過渡金屬二硫化物（TMDs）已經成為了研究的熱點。二維材料的每一層之間通過無懸掛鍵的表面共價連接，并且相鄰層之間很弱的范德瓦耳斯力使得人們可以很輕易地從二維晶體中分離出一層或者幾層。這些特點使得二維材料擁有與傳統的體材料非常不同的性質。得益于二維材料獨特的層狀結構，電子被束縛很薄的平面內，從而使得電子可以通過門電壓精密地調控。因此二維材料擁有對短溝道效應免疫的潛力。

在后摩爾時代，由于量子效應的限制，體材料很難將特征尺寸做到5nm以下，而二維材料原子級的厚度使得它成為一個天然的材料候選者。

此外，二維材料有著豐富的材料體系，包括導體(石墨烯Graphene)，半導體(MoS2)和絕緣體(hBN)系統，同時可以通過能帶調控設計來實現器件上的創新。此外，近年來，二維磁性材料的研究也逐漸升溫。二維材料所有這些獨特的性質都可以用來設計新穎的電子器件。最后，人們可以利用二維材料的可堆積特性來制造范德瓦爾斯異質結，這進一步擴大了二維材料體系的豐富性。

圖2 二維存儲器件和二維晶體管器件

圖源：Nature Nanotechnology 15, 545-557(2020)(Fig.2)

內存和晶體管是實現存內計算和晶體管邏輯計算的核心器件，二維材料在這兩方面均有很大的應用潛力。二維內存器件包括憶阻器（圖2a）、憶阻晶體管（圖2b）、閃存（圖2c）和離子晶體管（圖2d）。憶阻器采用經典的金屬-絕緣體-金屬結構，其中二維絕緣體可以作為交換層。憶阻晶體管采用三終端晶體管結構，具有柵極可調性，晶界遷移或其它缺陷的可逆漂移可以產生電阻開關效應。

閃存是基于電荷隧穿機制，而離子晶體管利用離子耦合來實現電導調制。通過利用二維材料的這些獨特的性質，內存性能可以得到極大的提升。例如二維原子晶體石墨烯可以起到阻擋層的作用來提高器件的穩定性。擁有類似于石墨烯的蜂巢結構的hBN表現出完全不同的高絕緣特性，它在憶阻器中起著交換層的作用，使得憶阻器可以同時具有高可靠性和低編程電流。

由于二維材料厚度很薄，二維存儲設備可以使用很低的工作電壓來降低功耗。此外，二維晶體管，如雙表面溝道（TSC）場效應晶體管（圖2e）、鐵電場效應晶體管（圖2f）或范德瓦爾斯異質結構場效應晶體管（圖2g）目前也已在實驗中實現。最近的研究表明二維雙表面溝道FET可以作為一種基本的邏輯門，實現原地存儲。

鐵電場效應晶體管，如負電容場效應晶體管（NCFET），可實現亞閾值擺幅的低功耗電子應用。進一步地，二維存儲器件可以設計成陣列結構實現矩陣運算，而二維晶體管可以通過范德瓦爾斯異質結實現系統級集成，從而有望將內存與計算的融合。

圖3 二維材料集成的優勢

圖源:Nature Nanotechnology 15, 545-557(2020)(Fig.4)

除了對單個器件性能的提升以外，由于二維材料的層狀結構，二維材料可以實現更高面積效率的邏輯門結構和范德瓦爾斯集成，因為不同種類的二維材料可以方便的相互堆疊而不用考慮晶格失配的限制。

對一個芯片來說，邏輯計算是由各種邏輯門組合實現的。由于無論是單一的NAND門或是NOR門都可以組建起整個邏輯系統，因此問題的關鍵就是制造出NAND門或是NOR門。在體材料系統中，只有體材料的表面被利用起來進行器件設計，因此需要至少兩個晶體管來組裝NAND門或者NOR門（要有兩個輸入端口）。然而，基于二維材料，研究人員2019年提出了一種新型邏輯門結構，將用于組裝基本邏輯門的晶體管資源減少了50%，只需要一個二維晶體管就可以實現。圖3a展示了傳統的邏輯門設計和基于二維材料的邏輯門設計的對比。

在一個二維晶體管中，通道材料的上表面和下表面都可以被利用起來；因此，一個雙表面溝道（TSC）二維晶體管可以接收足夠的輸入信號端口來實現NAND門/NOR門。另外，研究人員證明了只有一個單層的二維MoS2晶體管與一個負載電阻相連才可以同時實現NAND門和NOR門，同時這個邏輯功能可以實現光致開關。因為這種二維晶體管可以減少50%的晶體管資源消耗，同時可以靈活地在垂直方向上進行集成，這種新的邏輯門結構值得被進一步推廣。

對于芯片級的集成，垂直集成是提高芯片密度的應用最廣泛的方式，例如近內存技術。由于體材料中晶格缺陷的限制，傳統三維集成是通過硅通孔（Through-Silicon-Via, TSV）方法實現的，這種方式互連密度很低。

圖3b展示了傳統硅基三維集成和范德瓦爾斯集成的對比。在硅基三維集成中，芯片垂直堆疊并且通過硅通孔方法相互連接。考慮到硅上孔的直徑在幾微米的量級，數據遷移的效率和芯片設計的空間其實非常受限。而對于范德瓦爾斯結集成，我們無需考慮晶格適配的問題。二維材料可以直接生長或者遷移到基底上，多余的材料可以被刻蝕掉。（但是應該注意到，目前二維材料在基底上的直接生長仍然是很有挑戰性的工作，同時還要考慮到生長的溫度和基底的質量。）在裝置制造和氧化剝離以后，第二個功能層可以繼續在原先第一個功能層上繼續組裝，不同層之間是由穿過介質層的幾納米厚度的金屬實現的，這比硅通孔方法的效率高多了。通過范德瓦爾斯集成方法的使用，相鄰功能層之間的互連效率將不再受限。因此，諸如一個計算層和一個存儲層的每個功能層可以被垂直組裝。因為計算層和存儲層之間可以通過高密度的金屬互連，這種方法可以極大地提高數據遷移效率。

圖4 面向下一代計算技術的二維材料發展路線圖

圖源：Nature Nanotechnology 15, 545-557(2020)(Fig.5)

得益于無懸掛鍵的晶格和范德瓦爾斯異質結，二維材料可以提高矩陣運算性能，減小晶體管尺寸，提高晶體管面積效率，還在芯片集成方面優勢巨大。

然而，總體來說，使用二維材料進行矩陣運算為人工神經網絡計算服務才剛剛起步。盡管最近已經有研究團隊實現了將一個神經網絡結構應用到基于二維材料的矩陣運算中，但是目前矩陣的維度仍然很小。對于邏輯運算，二維材料在減小器件尺寸和高面積效率集成方面的優勢顯著，然而現在仍然缺少芯片層次集成的實驗驗證。從芯片發展的全局視角看，二維材料目前仍然有一些重要的技術問題需要解決。具體來說，從大面積具有穩定摻雜的晶體生長到增強芯片驅動電流的可靠方法，再到大規模異質集成，都有一些挑戰和困難需要解決。

圖4展示了發展面向下一代計算技術的二維材料的技術路線圖，從材料到器件再到系統，二維材料都既展現出了獨特的優勢與潛力，同時也對我們現有的技術提出了更高的要求與挑戰。相信如果我們在材料生長，器件制造和系統設計方面不懈努力，二維材料必將在未來下一代計算技術中發揮出重要的作用！

文章信息

Liu, C., Chen, H., Wang, S. et al. Two-dimensional materials for next-generation computing technologies. Nat. Nanotechnol. 15, 545–557 (2020).

論文地址

https://doi.org/10.1038/s41565-020-0724-3

【】

公眾號時間軸改版，很多讀者反饋沒有看到更新的文章，據最新規則，建議：多次進“中國光學”公眾號，閱讀3-5篇文章，成為“常讀”用戶，就能及時收到了。

歡迎課題組投遞成果宣傳稿

轉載/合作/課題組投稿，請加微信：447882024

Banner 區域

往期推薦

走進新刊

開 放 投 稿：Light:Advanced Manufacturing

ISSN 2689-9620

期 刊 網 站：www.light-am.com

敬請期待

新 刊：eLight

ISSN 2662-8643

即 將 隆 重 上 線

這是中國光學發布的第1438篇，如果你覺得有幫助，轉發朋友圈是對我們最大的認可

【】

原標題：《芯片革命：二維材料顛覆傳統計算架構》