韩研制用于存内计算的小型低功耗神经形态模块

7月18日，韩国首尔大学和庆北大学的研究团队研制出一种集成互补金属氧化物半导体（CMOS）的闪存门控晶闸管神经形态模块（FGTNM），集模数量化、非线性激活和最大池化功能于一体，为存内计算（IMC）实用化开辟了新思路。相关研究成果7月18日发表在《科学进展》（Science Advances）期刊上。

IMC架构是克服传统冯·诺依曼架构性能瓶颈的重要技术路线。然而，现有IMC硬件主要基于非易失性存储器阵列构成，存在功耗较高和集成度不足的问题。对此，研究团队利用晶闸管的超陡峭开关特性和阈值电压可编程性，集成闪存门控晶闸管（FGT）、CMOS外围电路和反相器构成FGTNM，并结合电荷陷阱闪存（CTF）阵列执行向量矩阵乘法运算，最终研制出一种新型IMC芯片。采用45纳米工艺制造出该芯片并进行系统级仿真显示，采用4位精度的FGTNM模块在CIFAR-10数据集上训练VGG-9网络实现了89.97%的分类准确率，且较传统CMOS模数转换芯片面积缩至1/10，能耗降低两个数量级。该研究创新性地将CTF、FGT和CMOS集成为IMC芯片来执行神经形态计算，展现出神经形态器件与成熟CMOS工艺的兼容潜力，推动了IMC实用化。