DGIST实现可同时进行运算和存储的类脑器件
大邱庆北科学技术院（DGIST）利用氢离子的迁移取代原本作为存储型半导体核心原理的“氧空位（缺陷）”，实现了一种能够自我学习和记忆的人工智能（AI）半导体器件。与依赖缺陷迁移的传统电阻变化存储器不同，该技术通过对氢离子进行电学精密控制，为下一代类脑（神经形态）半导体展现了新的可能性。
DGIST表示，由DGIST纳米技术研究部的责任研究员 Lee Hyeonjun 和专任研究员 Noh Heeyeon 领衔的研究团队，开发出一种可通过电信号控制氢离子（H＋）注入与释放的“基于双端子的人工智能型半导体器件”。
双端子氢控制型人工智能半导体器件示意图。施加正(+)电压时，氢从供给层迁移至半导体层，电导率升高；施加负(-)电压时，氢又迁移回存储层，电导率降低。随着电压强度和施加次数的变化，该过程也随之改变，从而可以实现模拟型多重电阻。研究团队提供
View original image近年来，人工智能需要高速处理海量数据，但现有计算机结构中负责运算的处理器与负责存储的数据存储器相互分离，在数据移动过程中会出现速度下降和功耗增加的问题。为解决这一问题，能够像人脑一样同时完成运算与存储功能的类脑半导体，正受到关注，被视为下一代人工智能硬件。
利用电场精密控制氢离子迁移
迄今为止，基于氧化物的存储器件主要利用氧空位（缺陷）迁移这一现象来调节电导率并存储信息。然而，这一方式在确保长期稳定性和器件间均一性方面存在局限。
DGIST研究团队则转而关注质量轻且迁移性高的氢离子。在施加电场时，氢离子被注入半导体内部，电导率随之增加；施加相反极性的电压时，氢离子再次逸出，电导率降低。研究团队通过对这种氢迁移进行精密控制，构建出一种通过调节电阻来存储信息的新型存储工作机制。
在利用该器件进行的手写数字识别实验中，研究团队取得了最高超过97%的识别准确率，从而验证了其作为实际人工智能硬件的应用潜力。
研究团队合影。自左起为 DGIST 的 Lee Hyunjun、Noh Heeyeon、Lee Shinbeom、Lee Myeongjae 及庆北大学的 Woo Jiyong 共同研究团队成员。DGIST 提供
View original image高集成“双端子垂直结构”…类脑芯片应用前景
尤其值得一提的是，该技术是在器件集成度高且制造工艺简单的“双端子垂直结构”中实现的。这一结构有利于构建高集成人工智能芯片，但在垂直结构中精密控制氢迁移以实现人工智能功能的案例并不多见。
研究团队开发的器件在超过1万次的反复驱动下仍能稳定工作，并且在断电状态下也可将存储状态保持约100万秒。此外，器件利用电导率逐步变化的模拟特性，实现了与人脑突触相似的学习与记忆功能。
DGIST纳米技术研究部责任研究员 Lee Hyeonjun 表示：“本研究提出了一种不同于传统氧空位基础存储器的、基于‘氢迁移’的电阻开关机制，具有重要意义”，并称“这项研究为下一代低功耗人工智能半导体的开发指明了新的方向”。
DGIST纳米技术研究部专任研究员 Noh Heeyeon 表示：“这是在堆叠半导体层之间，对迁移的氢原子进行电学精密控制的案例”，“基于氢的存储器件今后有望拓展为高效类脑半导体技术”。
本研究在科学技术信息通信部和韩国研究财团的中坚研究者支援项目，以及DGIST机构自主项目的资助下完成。DGIST教授 Lee Shinbeom 团队、责任研究员 Lee Myeongjae，以及庆北大学教授 Woo Jiyong 团队共同参与了研究。研究成果被材料与界面领域国际学术期刊《ACS Applied Materials & Interfaces》选为封面论文发表。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
