邊緣人工智能系統(tǒng)因其密集的計(jì)算需求，對高質(zhì)量的隨機(jī)熵源有著較高要求。傳統(tǒng)熵源會隨溫度變化以及頻率增加而衰減。中國科學(xué)院微電子研究所集成電路制造技術(shù)全國重點(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)量級以上，且在?40 °C~125 °C范圍內(nèi)無衰減，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識別準(zhǔn)確率92.4%；NIST隨機(jī)性測試最小熵為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