[논문 리뷰] Memristive, Spintronic, and 2D-Materials-Based Devices to Improve and Complement Computing Hardware

Dovydas Joksas, AbdulAziz AlMutairi외 6명|arXiv (Cornell University)|2022. 03. 11.

Advanced Memory and Neural Computing참고 문헌 207인용 수 46

한 줄 요약

이 시 perspectival 논문은 전통적인 CMOS 기술의 대체로 메모리스티브, 스피너트로닉스, 2차원(2D) 재료 기반 장치를 제안하며, 에너지 효율적이고 비버니시브 메모리 및 뉴로모픽 컴퓨팅을 가능하게 한다. ReRAM의 저항 스위칭, MTJ의 스핀 의존성 운반, 2D 헤테로구조의 조절 가능한 전자적 성질을 활용함으로써, 이 기술들은 바이오네만 아키텍처의 메모리 월과 에너지 비효율성 문제를 해결하며, 확장성, 저전력 작동, 기존 제조 공정과의 호환성에서의 주요 성과를 이룬다.

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.

연구 동기 및 목표

• 증가하는 데이터 수요로 인한 인공지능 및 머신러닝 워크로드의 에너지 및 성능 격차를 해소하기 위해.
• 전력 밀도와 스케일링 제약 등 CMOS 기술의 근본적 한계를 극복하기 위해.
• 메모리스티브, 스피너트로닉스, 2차원 재료 기반 장치가 전통적인 디지털 컴퓨팅을 향상시키고 뉴로모픽 컴퓨팅과 같은 새로운 패러다임을 가능하게 할 수 있는 방법을 탐색하기 위해.
• 실용적 구현을 위한 핵심 재료 및 공정 과제—도핑, 다이에렉트릭 통합, 접촉 저항, 확장 가능한 제조—를 규명하기 위해.
• 신규 기술과 기존 CMOS 기반 시스템 간의 공존과 상호보완적 상호작용 잠재력을 평가하기 위해.

제안 방법

• ReRAM, PCM, MRAM 기반의 메모리스터의 물리적 원리를 저항 스위칭 기반으로 검토하며, 비버니시브성과 저전력 작동을 강조한다.
• 자기터널접합(MTJ) 및 스핀트랜스퍼 토크(STT) 효과를 포함한 스피너트로닉스 장치를 분석하여 비버니시브 메모리 및 스핀 기반 논리 연산을 위한 기반을 마련한다.
• 전이 금속 디칼코겐화합물, hBN 등 2차원 재료를 필드효과 트랜지스터 및 전자적 및 유전체적 성질을 조절할 수 있는 헤테로구조로 활용하는 것을 검토한다.
• 크로스바 어레이 및 스파iking 뉴로모픽 네트워크를 포함한 시스템 수준 아키텍처에 이러한 기술을 통합한다.
• 에너지-지연 제품, 보존 시간, 스위칭 속도, 저항 윈도우 등의 지표를 사용해 장치 성능을 평가한다.
• 재료 공학 및 원자층 증착(atomic layer deposition) 및 CVD 성장과 같은 제조 기법을 통해 기존 CMOS 공정과의 호환성과 확장성을 평가한다.

실험 결과

연구 질문

• RQ1 메모리스티브 장치는 바이오네만 아키텍처의 메모리 월과 에너지 비효율성 문제를 어떻게 해결할 수 있는가?
• RQ2 스피너트로닉스 장치가 비버니시브 메모리 및 논리 요소로 작동할 수 있도록 하는 핵심 물리적 메커니즘은 무엇인가?
• RQ3 고성능 컴퓨팅 시스템에 2차원 재료를 통합하는 데 걸림돌이 되는 주요 재료 및 제조 과제는 무엇인가?
• RQ4 메모리스터, 스피너트로닉스, 2차원 재료를 어떻게 조합하여 확장 가능한 뉴로모픽 컴퓨팅 시스템을 실현할 수 있는가?
• RQ5 실세계 인공지능 및 엣지 컴퓨팅 응용 분야에서 이 새로운 기술의 잠재력을 최대한 활용하기 위해 필요한 시스템 수준 아키텍처는 무엇인가?

주요 결과

• ReRAM, PCM, MRAM 등 메모리스티브 장치는 저에너지, 비버니시브, 확장 가능한 기존 플래시 메모리의 대안을 제공하며, 저항 스위칭 덕분에 다중 레벨 스토리지 및 인메모리 컴퓨팅을 가능하게 한다.
• MTJ 등의 스피너트로닉스 장치는 초단기 스위칭 속도(나노초 이하)와 낮은 정적 전력 소모를 바탕으로 비버니시브 메모리로 적합하며, 고밀도 스토리지 및 스핀 기반 논리 연산에 유용하다.
• 전이 금속 디칼코겐화합물(TMDs)과 헥사곤형 보론 nitride(hBN) 등의 2차원 재료는 원자 두께의 트랜지스터와 조절 가능한 밴드 갭 및 고-κ 유전체를 갖춘 헤테로구조를 가능하게 하지만, 도핑과 접촉 저항 문제가 여전히 핵심 과제로 남아 있다.
• TMDs에 산화된 HfO2 및 ZrO2 등의 2차원 유전체를 통합하면 근접 완벽한 인터페이스와 고-κ 성질을 확보할 수 있어 게이트 제어력과 장치 성능 향상에 기여한다.
• 크로스바 어레이에 메모리스터, 스피너트로닉스 장치, 2차원 재료를 융합한 하이브리드 아키텍처는 아날로그 AI 가속기 구현에 유망하며, 기존 CMOS 기반 시스템 대비 에너지 효율성 향상을 최대 10배까지 달성할 수 있다.
• 다른 한편으로는 2차원 재료 및 고-κ 유전체의 확장성 있고 결함이 없는, 재현 가능한 제조 기술의 확보가 아직도 산업적 도입을 위한 주요 장벽으로 남아 있다.