本文来自半导体产业纵横。
神经形态计算是一种类脑计算范式，一般是指在神经形态芯片上运行脉冲神经网络（Spiking Neural Network，SNN）。神经形态计算旨在通过模仿构成人脑的神经元和突触的机制来实现人工智能（AI）。本质来讲，神经形态计算，是一种由算法驱动硬件的设计范式。凭借低功耗的优点，神经形态计算也被认为是替换传统AI的“潜力股”。受当前计算机无法提供的人脑认知功能的启发，神经形态设备已被广泛研究。
近日，韩国研究人员团队开发了一种新的存储设备，该设备可用于替换现有内存或用于为下一代人工智能硬件实现神经形态计算，且其具有处理成本低和超低功耗的优势。
韩国科学技术院（KAIST）4月4日宣布，电气工程学院Shinhyun Choi教授的研究团队开发了一种具有超低功耗的下一代相变存储器器件，可以取代DRAM和NAND闪存。
相变存储器（PCM）是一种通过使用热量将材料的晶体状态改变为非晶态或结晶，从而改变其电阻状态来存储和/或处理信息的存储设备。相变存储器因其低延迟、非易失性存储器特性和高积分密度而被认为是解决冯·诺依曼瓶颈的有前景的候选者。现有的相变存储器存在制造大规模器件的制造工艺成本高昂、运行功率大等问题。为了解决这些问题，Choi教授的研究团队开发了一种超低功耗相变存储器件，通过电学形成非常小的纳米级可相变丝，而无需昂贵的制造工艺。这项新开发具有突破性的优势，不仅具有非常低的处理成本，而且还能够以超低功耗运行。
DRAM是最常用的存储器之一，速度非常快，但具有易失性特性，当电源关闭时，数据会消失。NAND闪存是一种存储设备，读/写速度相对较慢，但它具有非易失性特性，即使在电源被切断时也能保存数据。
另一方面，相变存储器结合了DRAM和NAND闪存的优点，具有高速和非易失性特性。出于这个原因，相变存储器被强调为可以取代现有存储器的下一代存储器，并且作为一种模仿人脑的存储技术或神经形态计算技术正在被积极研究。
然而，传统的相变存储器件需要大量的功率才能运行，因此很难制作出实用的大容量存储器产品或实现神经形态计算系统。为了最大限度地提高存储设备运行的热效率，以前的研究工作侧重于通过使用最先进的光刻技术来缩小设备的物理尺寸来降低功耗，但它们在实用性方面遇到了局限性，因为功耗的改善程度很小，而制造的成本和难度随着每次改进而增加。
为了解决相变存储器的功耗问题，Shinhyun Choi教授的研究团队创造了一种在极小面积内电化形成相变材料的方法，成功实现了超低功耗相变存储器件，其功耗比使用昂贵的光刻工具制造的传统相变存储器件低15倍。
图1.本研究开发的超低功耗相变存储器件的图示，以及新开发的相变存储器件与传统相变存储器件的功耗比较
Shinhyun Choi教授对这项研究在未来的新研究领域中的发展充满信心，他表示：“我们开发的相变存储器件具有重要意义，因为它提供了一种新颖的方法来解决生产存储器中长期存在的问题。装置大大提高了制造成本和能源效率。我们预计我们的研究结果将成为未来电子工程的基础，使包括高密度三维垂直存储器和神经形态计算系统在内的各种应用成为可能，因为它开辟了从各种材料中进行选择的可能性。”
该研究由韩国科学技术院（KAIST）电机工程学院博士生See-On Park和韩国科学技术院（KAIST）电机工程学院博士生Seokman Hong作为第一作者参与，于4月4日发表在国际著名学术期刊《自然》（Nature）4月号上。（论文题目：Phase-Change Memory via a Phase-Changeable Self-Confined Nano-Filament）
该研究得到了韩国下一代智能半导体技术开发项目、PIM AI半导体核心技术开发（器件）项目、韩国国家研究基金会优秀新兴研究项目和国家纳米晶圆中心半导体工艺纳米医疗器件开发项目的支持。
