Les puces hybrides Memristor AI pourraient évoluer

En combinant des dispositifs atomiquement minces avec des micropuces conventionnelles, les scientifiques ont créé une électronique hybride imitant le cerveau qui peut aider à mettre en œuvre des systèmes d'intelligence artificielle à réseau neuronal d'une manière beaucoup plus économe en énergie que l'électronique standard, selon une nouvelle étude.

Alors que l'électronique devient de plus en plus petite, les scientifiques étudient les matériaux 2D atomiquement minces pour l'électronique de nouvelle génération. Par exemple, le graphène est constitué de couches uniques d'atomes de carbone et le disulfure de molybdène est constitué d'une feuille d'atomes de molybdène pris en sandwich entre deux couches d'atomes de soufre.

"Les matériaux bidimensionnels ont non seulement des performances électriques de pointe, mais également des propriétés thermiques, mécaniques, optiques et chimiques exceptionnelles, ce qui pourrait donner lieu à de nouvelles applications qui n'existent pas actuellement", déclare Mario, auteur principal de l'étude. Lanza, professeur agrégé de science et d'ingénierie des matériaux à l'Université des sciences et technologies du roi Abdallah, à Thuwal, en Arabie saoudite.

"La plupart des gens sont spécialisés dans les semi-conducteurs. Nous sommes des experts en isolants."—Mario Lanza, King Abdullah University of Science and Technology

Plusieurs équipes de recherche ont développé des dispositifs prototypes basés sur des matériaux 2D. Cependant, aucun n'a montré la capacité de calculer ou de stocker des données. De plus, leur fabrication reposait principalement sur des méthodes de synthèse et de traitement qui ne sont pas compatibles avec les techniques standard de l'industrie. De plus, la manipulation de matériaux 2D monocouches est difficile car des défauts peuvent survenir lors de leur transfert des surfaces sur lesquelles ils sont développés vers des substrats plus utiles pour les applications. Ces défauts réduisent la cohérence et le rendement de l'appareil.

Aujourd'hui, les scientifiques ont créé ce qu'ils disent être la première micropuce densément intégrée fabriquée avec des matériaux 2D, tous utilisant des procédés compatibles avec l'industrie des semi-conducteurs. « Nous avons non seulement obtenu d'excellentes propriétés, mais également un rendement élevé et une faible variabilité », déclare Lanza.

Dans la nouvelle étude, les chercheurs ont expérimenté le nitrure de bore hexagonal. Cette céramique atomiquement mince est souvent utilisée comme matériau isolant dans l'électronique 2D. "L'expertise de la plupart des gens est dans les semi-conducteurs", déclare Lanza. "Nous sommes experts en isolants."

Les scientifiques voulaient surmonter un certain nombre de défis auxquels étaient confrontés les appareils précédents basés sur des matériaux 2D. Par exemple, au lieu de chercher à fabriquer des transistors à partir de matériaux 2D, Lanza et ses collègues ont cherché à créer des memristors. Les memristors, ou résistances de mémoire, sont essentiellement des interrupteurs qui peuvent se souvenir de l'état électrique auquel ils ont été basculés après leur mise hors tension.

Cette puce hybride 2D/CMOS est prometteuse pour les applications memristives.Mario Lanza

"La plupart des groupes se concentrent sur les transistors, probablement parce qu'ils sont les composants phares de l'électronique", explique Lanza. "Au lieu de cela, nous nous sommes concentrés sur les memristors, qui ont actuellement une taille de marché beaucoup plus petite mais qui ont également un énorme potentiel pour le stockage, le calcul, le cryptage et la communication des données."

Les scientifiques du monde entier espèrent utiliser des memristors et des composants similaires pour construire des composants électroniques qui, comme les neurones, peuvent à la fois calculer et stocker des données. Ces dispositifs memristifs peuvent réduire considérablement l'énergie et le temps perdus lorsque les micropuces conventionnelles mélangent les données entre les processeurs et la mémoire. Un tel matériel neuromorphique inspiré du cerveau peut également s'avérer idéal pour la mise en œuvre de réseaux de neurones. Ces systèmes d'IA sont de plus en plus utilisés dans des applications telles que la prise en charge de véhicules autonomes et l'analyse de scans médicaux.

Les memristors sont des "dispositifs simples qui tolèrent les défauts", explique Lanza. En revanche, les transistors "nécessitent un matériau cristallin parfait", explique-t-il. Lanza note que les memristors ne souffrent pas non plus d'autres problèmes que les transistors, tels que la résistance de contact, c'est-à-dire la résistance électrique à leurs points de contact avec d'autres composants.

De plus, là où la plupart des travaux antérieurs reposaient sur des matériaux 2D qui n'avaient qu'une ou deux couches d'épaisseur, Lanza et ses collègues ont utilisé une feuille de matériau 2D composée d'environ 18 couches d'une épaisseur totale d'environ 6 nanomètres. "Ce matériau plus épais n'est pas si facile à craquer", explique Lanza.

De plus, au lieu de construire des dispositifs 2D sur un substrat vierge tel qu'une plaquette de silice-silicium conventionnelle, les chercheurs ont fabriqué leurs dispositifs 2D sur des micropuces CMOS standard. Les micropuces peuvent aider à contrôler le courant électrique et la commutation dans les memristors, ce qui a contribué à la réussite des dispositifs 2D.

Les chercheurs qui fabriquent des transistors pour le calcul utilisent généralement des étapes dites de début de ligne. En revanche, Lanza et ses collègues ont construit leurs memristors sur les interconnexions de fin de ligne qui relient les appareils sur des tranches. Les memristors sont normalement intégrés sur les micropuces de cette manière, "à la différence que nous avons utilisé des matériaux 2D au lieu d'autres matériaux", explique Lanza.

Les chercheurs ont transféré une feuille multicouche de nitrure de bore hexagonal sur les interconnexions de fin de ligne de micropuces de silicium de 4 centimètres carrés contenant des transistors CMOS du nœud de 180 nanomètres sur une tranche de silicium de 200 millimètres. Ils ont ensuite fabriqué des circuits à partir de cette combinaison en gravant le nitrure de bore hexagonal et en modelant et en déposant des électrodes sur le dessus. Ces circuits se composaient chacun de réseaux de cellules crossbar 5 par 5, chacun composé d'un transistor et d'un memristor.

Alors que la plupart des appareils fabriqués à l'aide de matériaux 2D ont une taille supérieure à 1 micromètre carré, les memristors de la nouvelle étude ne mesurent que 0,053 µm2, notent les chercheurs. Ces memristors "pourraient être rendus beaucoup plus petits très facilement si des micropuces plus avancées étaient disponibles", explique Lanza.

Les transistors CMOS ont aidé à contrôler les courants électriques à travers les memristors 2D. Cela a permis d'atteindre des endurances de memristor d'environ 5 millions de cycles de commutation, à peu près équivalentes à la RAM résistive et aux mémoires à changement de phase existantes. Sans les transistors CMOS, les memristors n'ont duré qu'environ 100 cycles.

Les chercheurs ont montré qu'ils pouvaient effectuer des opérations de calcul en mémoire avec leur appareil, en construisant des portes logiques "ou" et "impliquant". Ils notent qu'ils pourraient exécuter des opérations plus sophistiquées en modifiant les interconnexions entre les appareils.

De plus, les scientifiques notent que la conductivité électrique de la micropuce hybride pourrait être ajustée dynamiquement à différents niveaux en appliquant des impulsions électriques, une propriété appelée plasticité dépendante de la synchronisation des pointes. Cette fonctionnalité suggère que l'appareil pourrait aider à mettre en œuvre des réseaux de neurones à pointes qui imitent plus étroitement le cerveau humain que les réseaux de neurones conventionnels.

Les composants clés d'un "pic" de réseau neuronal à pointes - c'est-à-dire, génèrent un signal de sortie - seulement après avoir reçu une certaine quantité de signaux d'entrée sur un temps donné. Étant donné que les réseaux de neurones à pointes ne déclenchent que rarement des pointes, ils mélangent beaucoup moins de données que les réseaux de neurones artificiels typiques et nécessitent en principe beaucoup moins de puissance et de bande passante de communication. L'électronique conventionnelle n'est pas bien adaptée pour faire fonctionner des réseaux de neurones à pointes, ce qui oblige le marché à développer un nouveau matériel neuromorphique pour les faire fonctionner, notent les scientifiques.

Comme preuve de principe, les chercheurs ont créé un réseau de neurones à pointes à l'aide de leur appareil qui avait 784 neurones d'entrée, une couche excitatrice de 400 neurones et une couche inhibitrice de 400 neurones. Lorsqu'il a été testé avec une tâche standard - classer les images de la base de données de chiffres manuscrits de l'Institut national modifié des normes et de la technologie (MNIST) - cet appareil simple a néanmoins atteint une précision d'environ 90 %.

Les scientifiques notent que leurs appareils ont besoin d'environ 1,4 à 5 volts pour la commutation, ce qui est faible par rapport à d'autres prototypes dans le domaine des matériaux 2D, qui peuvent nécessiter plus de 20 V. Néanmoins, ils notent que cette tension est supérieure à celle utilisée au Nœud CMOS 180 nm. Cependant, ils suggèrent que cette tension pourrait ne pas entraver le développement de cette technologie, car il existe de nombreuses micropuces commerciales qui fonctionnent à des tensions beaucoup plus élevées - par exemple, les mémoires Flash 3D-NAND à la pointe de la technologie sont programmées à environ 20 V, et toutes les puces CMOS bipolaires pour les applications automobiles nécessitent jusqu'à 40 V.

Auparavant, les chercheurs d'IBM ont expérimenté les avantages de placer des matériaux 2D sur une micropuce. En 2011, ils ont fabriqué un circuit contenant un transistor au graphène et deux inductances, et en 2014 ont développé un circuit plus grand avec trois transistors au graphène, quatre inductances, trois condensateurs et deux résistances, explique Lanza. Cependant, IBM aurait abandonné cette approche, "probablement à cause des difficultés de transfert d'un matériau 2D monocouche", précise-t-il. En revanche, Lanza et ses collègues ont utilisé un matériau plus durable de 18 couches d'épaisseur. Il prédit que "maintenant, de nombreux autres scientifiques créeront leurs prototypes sur des micropuces fonctionnelles au lieu de substrats SiO2 non fonctionnels, ce qui provoquera de nombreuses autres découvertes".

Lanza note également que les matériaux 2D sont normalement du ressort des scientifiques des matériaux, et non des ingénieurs en micropuces. "Pour faire l'expérience que nous avons faite, vous devez concevoir une micropuce à l'aide d'un logiciel spécifique, puis créer une bande multiprojet sur une plaquette ou, comme dans notre cas, une plaquette entière", dit-il. "Si vous utilisez la technologie CMOS du nœud 180 nm, comme dans notre cas, le premier coûte 25 000 USD, le second 100 000 USD. De nombreux groupes de recherche non seulement ne peuvent pas concevoir cela, mais ils ne peuvent même pas se le permettre. Dans notre cas, mes collègues de l'Université de Tsinghua ont fourni les wafers et j'ai intégré le matériel."

Lanza note que leurs recherches ont déjà suscité l'intérêt des principales sociétés de semi-conducteurs. Les scientifiques visent maintenant à aller au-delà des micropuces de silicium de 4 cm2 "pour fabriquer des tranches entières de 300 mm", explique Lanza.

Les scientifiques ont détaillé leurs découvertes le 27 mars dans la revue Nature.

Mis à jour le 6 avril 2023