氧化物半导体在低功耗LSI和AI芯片的新应用

2017年秋，日本半导体能源实验室（SEL）和台湾联华电子计划对结晶氧化物半导体大规模集成芯片（OS-LSI）进行试销。一个60-nm-node的原型芯片通过高效的断电操作实现了极低的功耗，其目标是比现有的硅LSI的功耗低2-3个数量级。结晶OS-LSI具有极低的截止态电流特性并且与Si-LSI有良好的兼容性，可以广泛应用于人工智能（AI）芯片、单片机（MCU）、现场可编程门阵列（FPGA）、存储器（既能做数字运算也能模拟运算）以及物联网（IoT）和大数据时代所需的数字化运营。

1. OS-LSI
结晶OS-FETs最重要的特征就是极低的截止态电流——85℃下仅70yA(yoctoampere，yocto前缀表示10-24)和高的开关比（1016或更高）。基于这些特性，采用OS-FETs的存储器的刷新率可以减少到每小时几次甚至每年几次，而传统的动态随机存储器(DRAM)几毫秒就需要刷新一次。“Normally-off”的CPU在电路不工作时关闭电源，从而实现了极低功耗的CPU（如图2所示）。
针对结晶OS-LSI芯片的实际应用，他们采用了一种三维混合工艺，将结晶OS-FET叠加在Si-FET上（如图1所示）。经验证，该工艺制作的原型处理器功耗很低。

图1 结晶OS-LSI的截面显微图像

图2 OS-LSI芯片的功耗

2. AI
具有极低截止态电流的结晶OS可以应用于能够存储大量数据的OS存储器（多级OS存储器）。OS存储器也可以用作模拟存储器。
类似人脑的神经网络被广泛用于人工智能。在神经网络中，通过加权系数(耦合系数或乘数)和输入数据(被乘数)的多重累加运算处理模拟数据，其需要大规模的并行运算。在采用数字电路进行运算的情况下，由于计算和数字电路导致的在存储器中的数据积累是必然的，因此，访问存储器对于操作速度具有很大影响。而模拟-数字混合处理有望带来高效的AI，但迄今为止还没有理想的存储器能够满足尺寸和精度的要求。
SEL成功地利用结晶OS-LSI制造了高精度模拟存储器，从而实现了神经网络中的模拟运算。因此，在尺寸进一步减小、功耗进一步降低的芯片上集成AI功能模块是有可能的。用于神经网络的OS存储器具有6位或更高的精确度，即可存储64级以上的数据。此外，它是一个四端设备，易于控制，与两端设备，比如磁阻随机存储器和铁电随机存储器不同。
他们的原型OS存储器功能是一个集成了本地存储器和乘法器的运算装置，其构成了一个高效的乘法累加器（如图3所示）。这个乘法累加器可以减少本地存储器的功耗和占用面积，并允许无限的重写周期（便于学习）和并行运算。此外，数字电路和模拟电路可以很轻松地在同一过程中组合在一起，因此，很容易安装一个由神经网络、逻辑控制器和模拟-数字接口组成的模拟存储器。由此，一个集成了AI的芯片可以很轻松的制作出来。

图3 模拟乘法器（OS存储器相当于是集成了本地存储器和乘法器的运算装置，而电流之和相当于加法）

来源：http://www.sel.co.jp/en/news/