三维异构集成神经形态芯片中神经元信号的信号完整性分析与辐射防护设计

《IEEE Transactions on Components, Packaging and Manufacturing Technology》：Signal Integrity Analysis and Radiation Protection Design for Neuronal Signal in 3-D Heterogeneous Integrated Neuromorphic Chip

神经形态芯片基于尖峰神经网络（SNNs）的信号传输特性及三维封装优化研究。通过建立TSV和RDL结构模型，分析RDL长度、硅基板电导率及TSV几何参数对尖峰信号波形失真和传输损失的影响，发现数字信号共存会加剧失真且产生强近场干扰。提出双层金属屏蔽（MS）与绝缘墙（IW）的新结构，仿真验证其传输损失降低21mV，近场电场强度衰减160倍。

　　

摘要：

基于脉冲神经网络（SNNs）的神经形态芯片与传统的人工神经网络芯片不同，它们将信息编码为脉冲序列。这些独特的脉冲信号在三维封装中引入了与信号完整性（SI）和电磁辐射相关的新挑战。在本文中，我们对三维封装中的硅通孔（TSVs）和重分布层（RDLs）的结构进行了建模，并分析了三维封装结构参数对脉冲信号传输特性的影响。研究结果表明，在适当的范围内，RDL的长度、硅基板的导电性以及TSV的半径和间距会增加脉冲信号的波形失真和信号损失。此外，高频结构仿真（HFSS）结果显示，当两个脉冲信号通过相邻的TSV-RDL路径传输时，它们之间的串扰非常小。然而，当脉冲信号和数字信号通过相邻的TSV-RDL路径传输时，脉冲信号会出现明显的波形失真，且这种失真会随着数字信号的幅度和频率的增加而加剧。我们还发现，在三维封装中传输相同电压和频率的脉冲信号和数字信号时，脉冲信号会产生更强的近场电场。最后，我们提出了一种新的互连结构，该结构包括两个直接接触硅基板的金属屏蔽层（MS）和一层绝缘墙（IW）。通过时域瞬态仿真验证了所提出结构的等效电路。与传统TSV-RDL相比，该结构将传输损耗降低了21 mV，并将近场电场减弱了大约160倍。

引言

随着生成和处理大量数据的进步，基于传统冯·诺依曼架构的AI芯片由于在大量权重计算过程中受到内存墙的限制而变得效率低下且功耗过高。基于脉冲神经网络（SNNs）的神经形态芯片[1]、[2]通过整合存储和计算功能克服了这一瓶颈。这些芯片旨在加速人工智能算法的发展，通过电路[3]模仿生物神经网络的结构，具有低功耗和高效率的优势[4]、[5]。神经形态芯片利用脉冲信号来模拟生物神经元。著名的神经元模型包括霍奇金-赫胥黎（HH）模型[6]、积分-放电（IF）模型[7]、泄漏积分-放电（LIF）模型[8]以及伊兹基耶维奇神经元模型[9]。与传统数字信号相比，脉冲信号的持续时间极短，上升和下降边缘较窄，且包含无限高频的谐波成分。