邊緣人工智能系統(tǒng)因其密集的計(jì)算需求,對(duì)高質(zhì)量的隨機(jī)熵源有著較高要求。傳統(tǒng)熵源會(huì)隨溫度變化以及頻率增加而衰減。中國(guó)科學(xué)院微電子研究所集成電路制造技術(shù)全國(guó)重點(diǎn)實(shí)驗(yàn)室科研團(tuán)隊(duì)在研究中發(fā)現(xiàn),鐵電二極管(Fe-diode)的噪聲特性完美契合具有高頻和劇烈溫度變化的邊緣系統(tǒng)。團(tuán)隊(duì)從器件物理層面通過(guò)調(diào)控阻態(tài)以及讀取電壓穩(wěn)定輸出了頻率及溫度雙獨(dú)立的高密度散粒噪聲,噪聲密度比1/f噪聲高兩個(gè)數(shù)量級(jí)以上,且在?40 °C~125 °C范圍內(nèi)無(wú)衰減,為邊緣人工智能系統(tǒng)提供了理想的隨機(jī)熵源。

依托這一理想隨機(jī)熵源,團(tuán)隊(duì)基于3D 16層Fe-diode陣列開(kāi)發(fā)了具有統(tǒng)一熵源及突觸權(quán)重的貝葉斯神經(jīng)網(wǎng)絡(luò)芯片。測(cè)試結(jié)果顯示,該芯片可在25 fJ/program的超低能耗下完成原位訓(xùn)練,MNIST識(shí)別準(zhǔn)確率92.4%;NIST隨機(jī)性測(cè)試最小熵為0.9997,印證了噪聲的高純度與獨(dú)立性;芯片面積僅為0.06 F2/state,工作溫度覆蓋?40 °C~125 °C,為邊緣高可靠、低功耗AI推理提供了可規(guī)模化的隨機(jī)熵源新范式。

本研究以“Bayesian neural network with unified entropy source and synapse weights using 3D 16-layer Fe-diode array”為題發(fā)表在Nature Communications期刊上,微電子所博士生黃元銓為第一作者,復(fù)旦大學(xué)博士生吳啟樵為共同第一作者,微電子所龔天成副研究員、張江實(shí)驗(yàn)室楊建國(guó)研究員和微電子所羅慶研究員為共同通訊作者。該項(xiàng)研究得到了國(guó)家自然科學(xué)基金等項(xiàng)目的支持。

論文鏈接:https://doi.org/10.1038/s41467-025-63302-8)

圖1.?鐵電二極管的噪聲特性可滿足理想熵源的需求

圖2. 16層3D鐵電二極管結(jié)構(gòu),實(shí)現(xiàn)了熵源及突觸權(quán)重的統(tǒng)一

圖3.?貝葉斯神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果