[论文解读] 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 46

一句话总结

本文视角论文提出将忆阻器、自旋电子学和二维材料基器件作为传统CMOS技术的变革性替代方案，实现能效更高的非易失性存储和类脑计算。通过利用ReRAM中的电阻开关效应、MTJ中的自旋依赖输运以及二维异质结构中的可调电子特性，这些技术解决了冯·诺依曼架构下的存储墙和能效低下问题，关键进展包括可扩展性、低功耗运行以及与现有制造工艺的兼容性。

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.

研究动机与目标

• 应对由日益增长的数据需求驱动的人工智能和机器学习工作负载中日益扩大的能效与性能差距。
• 克服CMOS技术的根本局限，包括功耗密度和缩放限制。
• 探索忆阻器、自旋电子学和二维材料基器件如何改进传统数字计算，并推动类脑计算等新范式的发展。
• 识别关键材料与工程挑战——掺杂、电介质集成、接触电阻以及可扩展制造——以实现实际部署。
• 评估新兴技术与基于传统CMOS的系统共存与协同的潜力。

提出的方法

• 综述基于ReRAM、PCM和MRAM中电阻开关效应的忆阻器物理原理，强调其非易失性与低功耗运行特性。
• 分析磁隧道结（MTJs）和自旋转移矩（STT）效应等自旋电子器件在非易失性存储和自旋基逻辑中的应用。
• 研究二维材料（如过渡金属二硫属化物、hBN）在场效应晶体管和具有可调电子与电介质特性的异质结构中的应用。
• 将这些技术集成到系统级架构中，包括用于模拟AI加速器的交叉阵列和类脑脉冲网络。
• 使用能效延迟积、保持时间、开关速度和电阻窗口等指标评估器件性能。
• 通过原子层沉积和化学气相沉积（CVD）生长等材料工程与制造技术，评估与现有CMOS工艺的兼容性及可扩展性。

实验结果

研究问题

• RQ1 忆阻器件如何克服冯·诺依曼架构下的存储墙与能效低下问题？
• RQ2 哪些关键物理机制使自旋电子器件能够作为非易失性存储和逻辑元件工作？
• RQ3 阻碍二维材料集成到高性能计算系统中的主要材料与制造挑战是什么？
• RQ4 如何将忆阻器、自旋电子学和二维材料结合，以实现可扩展的类脑计算系统？
• RQ5 在现实世界的人工智能与边缘计算应用中，充分发挥这些新兴技术潜力所需的系统级架构是什么？

主要发现

• 忆阻器件如ReRAM、PCM和MRAM提供了非易失性、低能耗且可扩展的传统闪存替代方案，电阻开关效应支持多级存储和存内计算。
• 自旋电子器件如MTJ具备快速开关速度（亚纳秒级）和低静态功耗，适用于高密度存储和自旋基逻辑操作。
• 二维材料如过渡金属二硫属化物（TMDs）和六方氮化硼（hBN）可实现原子级厚度的晶体管和异质结构，具有可调带隙和高介电常数（high-κ）电介质，但掺杂和接触电阻仍是关键挑战。
• 在TMDs上集成氧化铪（HfO2）和氧化锆（ZrO2）等二维电介质，可实现近乎完美的界面和高介电常数特性，提升栅控能力与器件性能。
• 在交叉阵列中结合忆阻器、自旋电子器件和二维材料的混合架构在模拟AI加速器中展现出巨大潜力，能效相比传统CMOS系统最高提升10倍。
• 尽管已取得进展，但可扩展、无缺陷且可重复的制造——尤其是针对二维材料和高介电常数电介质——仍是工业应用的主要障碍。