全CMOS兼容3晶体管嵌入式NOR闪存实现28纳秒长时程增强/抑制，助力高速在线训练加速器

这篇研究首次在28纳米全耗尽绝缘体上硅（FD-SOI）平台上展示了全互补金属氧化物半导体（CMOS）工艺兼容的新型三晶体管（3-T）嵌入式NOR闪存。通过引入NMOS/PMOS对耦合晶体管实现的带间热空穴（BBHH）和沟道热电子（CHE）注入机制，该存储器实现了创纪录的28纳秒长时程增强（LTP）和抑制（LTD）速度，为神经形态硬件中的在线训练提供了高速、高可靠的突触行为。器件在107次编程/擦除（P/E）循环后仅出现1.36%的存储窗口退化和4.7%的亚阈值摆幅退化，其近零非线性特性在MNIST数据集上实现了92%的高分类准确率。特别值得注意的是，该器件对100万张MNIST图像仅需2.68秒的训练延迟，展现出在高性能训练加速器中的应用潜力。

　　

神经形态硬件因其低功耗和高速并行向量矩阵乘法（VMM）特性在神经网络（NN）应用中备受关注。要实现高精度神经形态硬件，必须引入基于反向传播的在线训练，这就需要具有线性快速权重更新特性的器件。虽然阻变存储器（RRAM）和铟镓锌氧化物（IGZO）忆阻器等非易失性存储器（NVM）已被提出用于权重调制，但其较差的CMOS兼容性和可扩展性限制了在CMOS平台上的集成。嵌入式闪存（eFlash）和铁电场效应晶体管（FeFET）虽具有CMOS工艺兼容性，但分栅和双多晶结构难以用于50纳米以下节点，而FeFET需要额外掩模且域数量有限，不适合模拟权重实现。

针对这些挑战，研究团队在28纳米全耗尽绝缘体上硅（FD-SOI）平台上开发了全CMOS兼容的新型三晶体管（3-T）嵌入式NOR闪存。该存储器采用NMOS/PMOS对作为耦合晶体管，多晶硅栅极有效充当浮栅，通过沟道热电子（CHE）和带间热空穴（BBHH）注入机制，实现了创纪录的28纳秒长时程增强（LTP）和抑制（LTD）操作。这种配置使得该存储器具有以下显著优势：

器件特性方面，该3-T嵌入式NOR闪存采用标准28纳米FD-SOI工艺制造，所有晶体管均使用厚栅氧输入/输出（I/O）单元，确保完全CMOS兼容性。测量结果显示，其浮栅操作成功实现了0.7V的存储窗口（MW），使用100纳秒的CHE编程和BBHH擦除脉冲，比基于Fowler-Nordheim（FN）隧穿的P/E操作快约10³倍。器件具有与标准NMOS I/O器件相同的漏电流水平和增加的亚阈值摆幅（SS_avg）值，展示了有效的耦合操作和CMOS兼容性。与传统3-T eFlash相比，该设计可以使用更小且尺寸相同的晶体管，实现了1.78μm²的紧凑单元尺寸，在0.6V栅极电压下具有大于10⁶的开/关电流比。

可靠性测试表明，该存储器在10⁷次P/E循环后仅出现1.36%的存储窗口退化和4.7%的亚阈值摆幅退化，展现出优异的耐久性。数据保持特性方面，得益于标准I/O器件的厚栅氧，10年后仅出现4.6%的存储窗口退化。这种快速且高度可靠的P/E行为对需要频繁突触权重更新的在线训练特别有利。

在神经形态硬件应用方面，该3-T eFlash单元可配置为NOR型阵列，所有字线（WL）可同时激活，在单个读取周期内实现并行VMM操作。测量结果显示，仅需28纳秒的相同LTP脉冲和28纳秒的增量步长LTD脉冲即可实现突触权重更新，比硅基FeFET的铁电开关快约2.78倍，比传统3-T嵌入式NAND闪存快约358倍。该器件实现了约22的开/关电导比，LTP和LTD的非线性度分别为-0.9和-0.1，具有超过40个电导权重水平。

性能评估采用NeuroSim V 3.0框架进行，使用包含400×100×10全连接层的多层感知器（MLP）对MNIST图像分类进行评估。得益于较低的非线性度，该3-T eFlash实现了92%的分类准确率，优于FeFET的87%。更重要的是，其对100万张MNIST图像仅需2.68秒的训练延迟，远低于FeFET的5.15秒和传统3-T嵌入式NAND闪存的949秒。虽然训练能耗相对较高，但通过将晶体管宽度从0.9μm缩小到0.144μm，CHE LTP功率可有效降低至10.8pJ/更新，使整体训练能耗降低39%。

与最先进的突触器件相比，该3-T eFlash展现出最快的LTP/LTD速度、最低的非线性度和最低的训练功率延迟积（PDP），同时保持完全的CMOS兼容性。尽管三维AND闪存等器件可实现高位密度，但其基于FN隧穿的慢速LTP/LTD行为和高非线性度导致精度低且训练延迟大幅增加，不适合在线训练加速器。电化学RAM（ECRAM）和相变RAM（PCRAM）虽具有低非线性和快速LTP/LTD速度，但电导比（G_max/G_min）不足，严重影响了权重更新和分类准确率。

这项研究提出的全CMOS兼容3-T嵌入式NOR闪存展现了在10⁷次P/E循环后极低的退化、近零非线性度以及28纳秒LTP/LTD操作的高速低功耗突触行为。其对100万MNIST图像仅需2.78秒的训练延迟和92%的准确率，证实了该器件作为在线训练神经形态硬件高性能解决方案的潜力。未来通过采用14纳米等先进工艺节点，可进一步提高热载流子注入效率并降低突触更新能耗，同时显著提升驱动电路的性能和能效。