铁电突触晶体管中用于高分辨率神经形态计算的噪声限制位精度

《Advanced Functional Materials》：Noise-Limited Bit Precision in Ferroelectric Synaptic Transistors for High-Resolution Neuromorphic Computing

　　

神经形态硬件需要具有可靠多级状态的突触器件，然而新兴突触器件的精度通常通过实验演示而非定量原理来评估，这阻碍了不同平台之间的有意义比较。在此，研究人员引入了一种基于低频率噪声（LFN）光谱的方法来量化突触器件的多级极限，同时提出了一种新的评估位精度的度量标准。研究人员将这种方法应用于具有三种代表性通道材料的铁电晶体管：单晶硅（c-Si）、多晶硅（poly-Si）和非晶氧化物半导体（AOS），它们分别提供了高性能传输的基准、兼容于3D集成的可扩展硅平台以及适用于低温和大面积电子学的平台。研究表明，位精度由动态范围和噪声幅度之间的相互作用决定，而非仅由记忆窗口决定。此外，研究人员还展示了位精度差异如何影响大规模神经网络的性能。该方法将基于LFN的信号分辨率确立为关键可靠性度量标准，能够实现精确的基准测试，并指导跨材料和器件架构的高性能神经形态硬件设计。

**论文解读：基于低频率噪声的铁电突触晶体管位精度研究**

**研究背景与问题**
随着人工智能对硬件能效和计算吞吐量的需求日益增长，神经形态计算成为突破冯·诺依曼瓶颈的有前景策略。突触器件作为神经网络的核心，需存储和更新连接权重，并支持渐进的、双向的权重更新（如长时程增强/抑制，LTP/LTD）。然而，突触权重的可分辨状态数（即位精度）直接约束信息存储、更新和处理的准确性。现有研究常通过实验展示多级状态，但缺乏定量原则来评估实际可分辨性。动态范围、线性度、耐久性和保持特性等指标虽重要，但无法单独决定实际多级能力。最终限制来自信号分辨率：相邻电导态必须克服器件噪声而保持可分辨。动态读噪声主要由低频率噪声（LFN）决定，它源于半导体材料和制造中的缺陷驱动波动，在小尺寸器件中尤为突出。因此，LFN是限制多级操作的根本因素，而非次要寄生效应。然而，LFN对突触位精度的限制程度尚未被量化，且缺乏提取该限制的明确方法。

**研究内容与结论**
本研究建立了基于LFN光谱的定量方法，用于确定突触器件的多级精度极限。以铁电场效应晶体管（FeFET）为平台，采用三种代表性通道材料：单晶硅（c-Si，高性能传输基准）、多晶硅（poly-Si，兼容3D集成的可扩展硅平台）和非晶氧化物半导体（AOS，适用于低温和大面积电子学）。通过结合突触特性与LFN光谱，研究人员确定了每种材料系统可达到的最大可分辨状态数（N_max），并量化了其突触位精度。进一步，展示了位精度差异如何影响大规模卷积神经网络（CNN）和决策变压器（DT）强化学习任务的性能。该方法不仅适用于铁电突触晶体管，还可推广至其他材料与架构的突触器件，将LFN确定的信号分辨率确立为关键可靠性度量标准。

**意义**
该工作为评估和设计高精度神经形态硬件提供了物理基础，明确了噪声限制的多级操作与动态范围及噪声幅度的平衡关系，而非仅依赖记忆窗口。通过系统级模拟，揭示了位精度对复杂任务性能的关键影响，强调了通道材料特异性噪声工程的重要性。

**主要技术方法**
研究人员采用金属-铁电-金属-绝缘体-半导体（MFMIS）结构，以氧化铪锆（HZO）为铁电层，制备了三种通道材料的FeFET（c-Si、poly-Si、IGZO）。通过LFN光谱测量在恒定偏置下的漏电流波动，提取功率谱密度（PSD），并利用载流子数波动（CNF）模型、Hooge迁移率波动（HMF）模型和接触电阻噪声模型分析噪声源。结合动态范围（由记忆窗口和读偏置决定）与噪声幅度，计算N_max。系统级模拟采用VGG-11 CNN在CIFAR-10数据集上训练，以及基于决策变压器的离线强化学习在MuJoCo Humanoid-v5环境中评估。

**研究结果**

**1. 引言**
阐述了神经形态计算中突触器件多级能力的重要性，指出LFN是限制位精度的根本因素，但此前缺乏量化方法。本研究提出基于LFN光谱的定量框架，评估不同通道材料FeFET的位精度。

**2. 硬件神经网络中突触器件的关键指标**
总结了多级突触操作所需的动态范围、线性度、可靠性（耐久性/保持性）和信号分辨率。信号分辨率由读电流波动决定，是区分相邻状态的实际限制。

**3. MFMIS FeFET的电学特性**
通过转移特性（I_D-V_GS）比较了三种通道材料。c-Si器件具有高开态电流（I_ON），poly-Si因晶界散射导致低I_ON，IGZO器件表现出最大记忆窗口（MW）。面积比（AR）增大使MW变宽，但通道材料依赖明显。

**4. MFMIS FeFET的铁电特性与突触操作**
通过高分辨透射电镜（TEM）和X射线衍射（XRD）证实HZO中铁电正交相占主导（71.95%），存在氧空位（V_O）。脉冲测量显示，c-Si、poly-Si和IGZO器件的阈值电压（V_th）漂移随脉宽增大，MW分别达到2.2 V、1.6 V和3.6 V（100 μs）。LTP/LTD特性显示逐步电导调制，IGZO在LTD区域有轻微非线性，但双向调制均保持。

**5. MFMIS FeFET中的LFN特性**
归一化噪声功率谱（S_ID/I_D² × WL）显示所有通道材料均呈现1/f噪声行为。c-Si和poly-Si噪声水平相近，IGZO高出3-4个数量级。c-Si在低频率下噪声极低，分析范围受限。

**6. 不同通道材料MFMIS FeFET中的噪声源分析**
通过对比S_ID/I_D² × WL与(g_m/I_D)²的关系，识别主导噪声机制：c-Si在低漏极偏压（V_DS）下为载流子数波动（CNF），高V_DS下接触噪声显现；poly-Si由迁移率波动（HMF）主导，接触噪声贡献显著；IGZO完全由HMF主导，因非晶通道导致无序传输。

**7. 基于噪声的MFMIS FeFET最大状态数**
结合动态范围（由读偏置决定）和噪声幅度，计算N_max。c-Si器件结合最宽动态范围与最低噪声，达到11位精度；poly-Si为9位，受限于动态范围；IGZO仅4位，尽管记忆窗口最大，但噪声幅度严重降低了可分辨状态数。进一步分析表明，位精度在器件尺寸缩小时下降，但更快读出条件（带宽至100 kHz）下位损失小于1 bit。时间依赖性（如读后延迟RAWD和保持漂移）需额外考虑，但本文提取的N_max代表准稳定状态下的噪声限制精度。

**8. 噪声限制权重分辨率对系统级性能的影响**
在缩放的器件尺寸（W=1 μm, L=1.5 μm）下，c-Si、poly-Si和IGZO对应的N_max分别为591、365和8。在VGG-11 CNN上，c-Si和poly-Si接近软件基线精度，IGZO严重退化。在决策变压器强化学习任务中，c-Si性能接近基线（回报8380），poly-Si中等退化，IGZO无法实现有效控制策略。表明自回归变压器对精度更敏感，复杂任务中位精度影响更显著。

**9. 推广至其他突触平台**
该LFN-based N_max提取方法可推广至忆阻器、相变存储器、电化学突触等器件，通过状态依赖的读电流波动分析，提取变异系数CV(I_read)并应用非重叠准则。不同平台微观噪声源不同，但框架统一。

**总结讨论**
本文建立了通道材料依赖的信号分辨率与N_max评估框架，揭示了c-Si、poly-Si和IGZO在铁电记忆行为、突触操作、LFN及主导噪声源上的差异。结果表明，最优通道材料和操作区域取决于目标应用，通道特异性噪声工程对高精度突触器件开发至关重要。该方法可推广至其他材料组合，为下一代高精度突触器件的筛选和优化提供实用指南。

**研究结论翻译**
在本研究中，研究人员建立了评估铁电突触晶体管中信号分辨率和N_max的通道材料依赖框架。通过在同一器件平台内比较c-Si、poly-Si和IGZO通道，阐明了通道材料如何影响铁电记忆行为、突触操作、LFN及主导物理噪声源。在此基础上，利用实测LFN和可用动态范围定量评估了N_max，提供了更真实的工作条件下可分辨状态度量。研究结果揭示，最优通道材料和操作区域强烈依赖于目标应用，因为信号分辨率、主导噪声源和可访问状态精度随通道材料和偏置区域变化。这些发现强调，针对特定应用选择通道材料和操作条件，结合通道特异性噪声工程，对于开发高分辨率铁电突触器件至关重要。除所研究的铁电突触外，所提出的方法也可从材料角度广泛扩展，因为它提供了将内在材料和器件依赖的噪声特性与可实现的多级信号分辨率关联起来的统一方式。因此，该框架可作为筛选和优化新兴通道、铁电、介电和界面材料组合的实用指南，用于下一代高精度突触器件。