傳統貝葉斯機面臨三大挑戰：一是需要高質量的隨機源生成具有真隨機性的隨機比特數流；二是由于隨機變量隨著問題的規模和復雜度的增加而增加，因此需要高密度的存儲器；三是存儲器和隨機源的分離，導致了芯片面積和功耗的浪費。
針對這些挑戰，微電子所劉明院士團隊首次構建了存儲器和隨機源融合的貝葉斯機。通過16層3D集成Fe-Diode實現了極高的存儲密度（0.26F2/bit）；此外，通過對Fe-Diode器件的噪聲行為的系統研究，發現了與頻率無關的高噪聲密度的散粒噪聲(shot noise)，并利用該噪聲作為隨機源，生成了自相關性接近零的隨機比特數流；進一步通過將存儲器和隨機源統一在16層3D Fe-Diode陣列中實現了該貝葉斯機。
通過對比發現，本工作在比特數流長度為15時，可以實現95.31%的MNIST識別精度。與基于線性反饋移位寄存器相比，識別精度提升了9.37%。同時，本工作具備高噪聲容忍能力，在10%的外部噪聲下，精度僅下降了8.75%。
????該研究成果以題為“First Demonstration of a Bayesian Machine based on Unified Memory and Random Source Achieved by 16-layer Stacking 3D Fe-Diode with High Noise Density and High Area Efficiency”入選2023 IEDM。微電子所龔天成副研究員為第一作者，復旦大學博士生胡啟樵為共同一作，微電子所楊建國副研究員和羅慶研究員為通訊作者。
圖 基于三維16層Fe-Diode器件的貝葉斯機
綜合信息