[論文レビュー] Memristive, Spintronic, and 2D-Materials-Based Devices to Improve and Complement Computing Hardware

Dovydas Joksas, AbdulAziz AlMutairi+6 more|arXiv (Cornell University)|Mar 11, 2022

Advanced Memory and Neural Computing参考文献 207被引用数 46

ひとこと要約

この考察論文は、従来のCMOS技術の代替として、メモリスティブ、スピントロニクス、2次元材料を用いたデバイスを提案し、エネルギー効率が良く、非揮発性のメモリおよびニューロモーフィックコンピューティングを実現する。ReRAMにおける抵抗スイッチング、MTJにおけるスピン依存輸送、2次元ヘテロ構造における電子的性質のチューニングを活用することで、バーナウマンアーキテクチャのメモリウォールとエネルギー非効率性の問題を解決し、スケーラビリティ、低消費電力動作、既存のプロセスとの相性の向上という主な進展を達成した。

ABSTRACT

In a data-driven economy, virtually all industries benefit from advances in information technology -- powerful computing systems are critically important for rapid technological progress. However, this progress might be at risk of slowing down if we do not address the discrepancy between our current computing power demands and what the existing technologies can offer. Key limitations to improving energy efficiency are the excessive growth of data transfer costs associated with the von Neumann architecture and the fundamental limits of complementary metal-oxide-semiconductor (CMOS) technologies, such as transistors. In this perspective article, we discuss three technologies that will likely play an essential role in future computing systems: memristive electronics, spintronics, and electronics based on 2D materials. We present how these may transform conventional digital computers and contribute to the adoption of new paradigms, like neuromorphic computing.

研究の動機と目的

• 増大するデータ需要に伴い拡大するAIおよび機械学習ワークロードにおけるエネルギーと性能のギャップに対処する。
• 電力密度とスケーリング制限といった、CMOS技術の根本的限界を克服する。
• メモリスティブ、スピントロニクス、2次元材料ベースのデバイスが、従来のデジタルコンピューティングを改善し、ニューロモーフィックコンピューティングのような新しいパラダイムを可能にする方法を探る。
• ドーピング、ダイエレクトリック統合、接触抵抗、スケーラブルなプロセスといった、実用的導入を妨げる主な材料および工学的課題を特定する。
• 新技術と従来のCMOSベースのシステムとの共存および相乗効果の可能性を評価する。

提案手法

• ReRAM、PCM、MRAMにおける抵抗スイッチングに基づくメモリスターの物理的原理をレビューし、非揮発性で低消費電力の動作を強調する。
• 磁気トンネル接合（MTJ）やスピン転送トルク（STT）効果を含むスピントロニクスデバイスを分析し、非揮発性メモリおよびスピンベースの論理演算に応用する。
• 遷移金属ジ chalcogenides や hBN などの2次元材料（例：TMDs、hBN）を用いたフィールド効果トランジスタおよび電子的・誘電的性質を調整可能なヘテロ構造を検討する。
• クロスバー配列を用いたアナログAIアクセラレータおよびニューロモーフィックスパイクネットワークを含む、システムレベルのアーキテクチャにこれらの技術を統合する。
• エネルギー遅延積、保持時間、スイッチング速度、抵抗ウィンドウといった指標を用いてデバイス性能を評価する。
• 材料工学および原子層蒸着やCVD成長といったプロセス技術を通じて、既存のCMOSプロセスとの相性とスケーラビリティを評価する。

実験結果

リサーチクエスチョン

• RQ1 メモリスティブデバイスは、どのようにバーナウマンアーキテクチャのメモリウォールとエネルギー非効率性を克服できるか？
• RQ2 スピントロニクスデバイスが非揮発性メモリおよび論理素子として機能するための主要な物理的メカニズムは何か？
• RQ3 2次元材料を高性能コンピューティングシステムに統合するのを妨げる主な材料およびプロセス的課題は何か？
• RQ4 メモリスター、スピントロニクス、2次元材料をどのように組み合わせてスケーラブルなニューロモーフィックコンピューティングシステムを実現できるか？
• RQ5 実世界のAIおよびエッジコンピューティング応用において、これらの新技術の潜在能力を最大限に引き出すために必要なシステムレベルのアーキテクチャは何か？

主な発見

• ReRAM、PCM、MRAMなどのメモリスティブデバイスは、抵抗スイッチングにより多値記憶およびインメモリコンピューティングを可能にし、従来のフラッシュメモリよりも非揮発的で低エネルギーかつスケーラブルな代替手段を提供する。
• MTJのようなスピントロニクスデバイスは、高速スイッチング（1ナノ秒未満）と低静的消費電力の非揮発性メモリを実現し、高密度記憶およびスピンベースの論理演算に適している。
• 遷移金属ジカルコゲナイド（TMDs）や六方晶ボロンナイトライド（hBN）などの2次元材料は、原子層の薄さを持つトランジスタおよびチューニング可能なバンドギャップと高κ誘電体を有するヘテロ構造を可能にするが、ドーピングと接触抵抗が依然として重要な課題である。
• TMDsに酸化ジルコニウム（HfO2）やジルコニウム酸化物（ZrO2）などの2次元誘電体を統合することで、ほぼ完全な界面と高κ特性が実現され、ゲート制御性とデバイス性能が向上する。
• クロスバー配列にメモリスター、スピントロニクスデバイス、2次元材料をハイブリッドに統合したアーキテクチャは、アナログAIアクセラレータとしての応用に有望であり、従来のCMOSベースのシステム比で最大10倍のエネルギー効率向上が達成された。
• 進展は見られても、2次元材料および高κ誘電体におけるスケーラブルで欠陊のない、再現性のあるプロセスが実現できないことが、産業的導入の大きな障壁のままである。