破解神经元计算协同性瓶颈

原标题：破解神经元计算协同性瓶颈

《科学》杂志发表西安交大国际合作研究成果

本报讯（记者 任娜 实习生 曹亮） 记者从西安交大获悉，8月23日，国际最权威学术期刊之一的《科学》杂志在线发表了西安交通大学与深圳大学、美国约翰霍普金斯大学的合作论文《超低噪声与漂移的相变异质结存储器》，这项最新成果破解了神经元计算协同性瓶颈，可完美匹配现有相变存储器量产工艺，将有助于大力推进高性能神经元计算芯片的开发。

随着人工智能、大数据、超级计算机的迅猛发展，要求传统商用计算体系架构更加低功耗、高效率、低成本。但是，目前经典的冯诺依曼计算体系架构，采用二进制数字信号且数据处理与存储分离，约40%的能耗仅用于数据的往返搬运而非计算或存储。如何破解其中存在的瓶颈问题？为此，业界致力于研发基于新型非易失性存储技术的类脑神经元计算器件，从而实现非冯诺依曼架构的全新计算体系，实现存算一体以及模拟信号处理。相变随机存储器是目前最成熟的新型非易失性存储器技术之一，近年来基于先进的相变存储技术研发神经元计算器件已成为业界研发焦点。然而，商用锗锑碲基相变存储器件在反复可逆相变操作过程中，多态存储电阻值波动大，高密度存储阵列协同性差，严重制约了高精度、高效率神经元计算器件的开发。

聚焦此关键科学问题，西安交通大学材料学院金属材料强度国家重点实验室微纳中心张伟教授，与深圳大学饶峰教授、美国约翰霍普金斯大学马恩教授通力合作，提出了一种新式的相变异质结（PCH）设计，由多个交替堆叠的相变层与限制层构成，并通过原位加热且低速生长的多层薄膜磁控溅射沉积技术实现了高质量相变异质结的制备。该相变异质结可有效抑制玻璃态相变材料结构弛豫以及反复相变过程中的组分偏析，将相变存储器件数据态的阻值波动和漂移降低到前所未有的水平。相变异质结器件在迭代擦除操作时可实现9个稳定的多态存储，并在累积写入操作时器件电导呈现高一致性。

这些优越的性能，适用于精准矢量矩阵乘法计算、快速时序相关探测和其他要求高精度、高一致性的机器学习任务。值得指出的是，相变异质结所采用的多层膜制备技术，不显著增加芯片制造成本，也无须开发额外复杂的工艺，可完美匹配现有相变存储器量产工艺，将有助于推进高性能神经元计算芯片的开发。