De nouveaux systèmes matériels présentent l’avenir de l’intelligence artificielle

Des systèmes matériels plus proches mettent en lumière l'avenir de l'intelligence artificielle

Crédit: Université de Tokyo

L’apprentissage automatique est le processus par lequel les ordinateurs adaptent leurs réponses sans intervention humaine. Cette forme d’intelligence artificielle (IA) est désormais courante dans les outils de tous les jours tels que les assistants virtuels et est en cours de développement pour une utilisation dans des domaines allant de la médecine à l’agriculture. Un défi posé par l’expansion rapide de l’apprentissage automatique est la forte demande d’énergie des processus informatiques complexes. Des chercheurs de l’Université de Tokyo ont rapporté la première intégration d’un transistor à effet de champ à mobilité améliorée (FET) et d’un condensateur ferroélectrique (FE-CAP) pour amener le système de mémoire à proximité d’un microprocesseur et améliorer l’efficacité des données -système informatique intensif. Leurs résultats ont été présentés lors du Symposium 2021 sur la technologie VLSI.

Les cellules mémoire nécessitent à la fois un composant mémoire et un transistor d’accès. Dans les exemples actuellement disponibles, les transistors d’accès sont généralement des FET semi-conducteurs silicium-oxyde métallique. Alors que les éléments de mémoire peuvent être formés dans les couches «  back end of line  » (BEOL), les transistors d’accès doivent être formés dans ce que l’on appelle les couches «  front end of line  » du circuit intégré, ce qui n’est pas un bonne utilisation de cet espace.

En revanche, des semi-conducteurs oxydes tels que l’oxyde d’indium et de zinc (IGZO) peuvent être inclus dans les couches BEOL car ils peuvent être traités à basse température. En incorporant à la fois le transistor d’accès et la mémoire dans un seul monolithe dans le BEOL, une mémoire intégrée haute densité et économe en énergie peut être obtenue directement sur un microprocesseur.

Les chercheurs ont utilisé l’IGZO dopé à l’étain (IGZTO) pour le FET à semi-conducteur oxyde et le condensateur ferroélectrique (FE-cap) pour créer une mémoire intégrée 3D.

«À la lumière de la mobilité élevée et de l’excellente fiabilité de notre IGZO FET précédemment rapporté, nous avons développé un IGZTO FET dopé à l’étain», explique le premier auteur de l’étude, Jixuan Wu. « Nous avons ensuite intégré l’IGZTO FET avec un FE-cap pour introduire ses propriétés évolutives. »

Le courant d’entraînement et la mobilité effective de l’IGZTO FET étaient deux fois ceux de l’IGZO FET sans étain. Étant donné que la mobilité du semi-conducteur oxyde doit être suffisamment élevée pour entraîner le capuchon FE, l’introduction de l’étain garantit une intégration réussie.

«La proximité obtenue avec notre conception réduira considérablement la distance que les signaux doivent parcourir, ce qui accélérera les processus d’apprentissage et d’inférence dans le calcul de l’IA, les rendant plus économes en énergie», explique l’auteur de l’étude Masaharu Kobayashi. «Nous pensons que nos résultats constituent une nouvelle étape vers des systèmes matériels capables de prendre en charge les futures applications d’IA de plus grande complexité.


Un appareil émerge de la fusion de l’IGZO et du ferroélectrique-HfO2


Plus d’information:
«Le FET à mobilité améliorée et le condensateur ferroélectrique sans réveil activé par InGaZnO dopé au Sn pour une application de RAM intégrée 3D», a été présenté au Symposium 2021 sur la technologie VLSI.

Fourni par l’Université de Tokyo

Citation: De nouveaux systèmes matériels présentent l’avenir de l’intelligence artificielle en vue (2021, 1er juin) récupéré le 1er juin 2021 sur https://techxplore.com/news/2021-06-hardware-future-artificial-intelligence-view.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.