薄膜晶体管与先进显示重点实验室
Thin Film Transistor and Advanced Display Lab

氧化物半导体在低功耗LSI和AI芯片的新应用

时间:2018-10-09

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/