Краткий обзор работ в области трехмерных нейронных структур

Краткий обзор работ в области трехмерных нейронных структур

Выпуск 11 (6710) от 11 июня 2020 г.
РУБРИКА: МИКРОЭЛЕКТРОНИКА

В современных западных источниках часто повторяется, что действие закона Мура подходит к концу. Соответственно, для дальнейшего масштабирования интегральных схем и электроники в целом, повышения производительности при меньших затратах времени, энергии и ресурсов требуются новые подходы. Один из них – ​использование нейронных структур. В этой области все большее внимание уделяется трехмерным технологиям.

В последнее десятилетие огромные усилия были направлены на формирование монолитных этажированных приборов на одной пластине. На рынке уже представлены трехмерные ДОЗУ с несколькими уровнями памяти, наблюдается растущая тенденция к созданию двухуровневых схем на кристалле ИС, когда на нижнем уровне размещаются устройства обработки данных, а на верхнем – ​память. Переход к 3D-структурам даст значительные преимущества всем видам электроники. Сокращается общая длина каналов связи – ​основного источника потерь потребляемой мощности, и, потенциально, объем пространства, отводимого для межсоединений. Появляется возможность уменьшить потребность во внекристальных соединениях и количество узких мест. Это основная тенденция, которая будет только развиваться. Журналисты еженедельника Electronic Engineering Times (Сан-Франциско, шт. Калифорния, США) в двух статьях [1, 2] привели краткое описание работ, касающихся основных проблем в данной области.


Снижение рабочих температур

Одна из критических проблем, которые необходимо было решить, – ​температура обработки. Осаждение каждого слоя материала может повредить предыдущие слои, если температура станет слишком высокой. Например, тепловой баланс (максимально допустимая температура) для современных медных межсоединений составляет всего 400 °C. Поскольку внедрение легирующих примесей в кремниевые приборы требует температур 600–1000 °C, возникает конфликт. Одним из способов обойти подобные конфликты стала разработка технологических процессов, в которых температура каждого последующего этапа процесса не превышает температуры предыдущего этапа.

Один из наиболее известных примеров такого подхода – ​работа по программе разработки трехмерных «систем-на-кристалле» (3DSoC) Управления перспективных исследовательских проектов МО США (DARPA), проводившаяся исследователями Массачусетского технологического института (MIT) и Стэнфордского университета [3]. Они сосредоточились на отказе от кремния как основного материала – ​вместо этого используются новые технологии, в частности КМОП-структуры на углеродных нанотрубках (УНТ) и мемристоры, которые можно обрабатывать при более низких температурах. За счет этого они добились более чем 50-кратного увеличения пропускной способности по сравнению с обычными 2D-приборами. Разработчики MIT и Стэнфордского университета совместно с коллегами из Калифорнийского университета в Беркли уже продемонстрировали интеллектуальную систему распознавания языка [4].

Еще один важный шаг вперед – ​по крайней мере с точки зрения нейроморфных применений – ​был сделан в 2019 г., когда специалисты MIT сообщили о создании первой аналоговой схемотехники на УНТ [5]. Хотя эта схемотехника еще не использовалась в ИС с вертикальной компоновкой, она может стать критически важным строительным блоком при разработке действительно сверхплотных систем, формируемых по образцу мозга.


Наращивание опыта

На данный момент существует ряд групп, работающих в этой области. Во Франции значительные усилия в области монолитных 3D-технологий были предприняты Институтом CEA в Гренобле. Эти работы включали в себя как попытки совершенствования фундаментальных аспектов технологии CoolCube, так и демонстрацию некоторых интеллектуальных формирователей сигналов изображения, которые можно считать наиболее простыми приборами нейроморфного спектра [6].

Калифорнийский университет в Санта-Барбаре в 2017 г. опубликовал работу, описывающую монолитное этажирование с целью формирования слоев матричных переключателей мемристоров, которые в сочетании с КМОП-подсистемой образовали высокопроизводительный механизм точечного произведения (high-bandwidth dot-product engine, DPE), по существу позволяющий определять веса нейронов с целью их хранения и эффективного использования в 3D-структурах. Хотя при демонстрации рассматривались только два матричных переключателя, тестирование подтвердило возможность работы с низким энергопотреблением как в поперечном, так и в вертикальном направлении, что говорит о высоком потенциале технологии. Утверждается, что благодаря 3D-DPE можно на кристалле ИС площадью 1 см2 создать миллионы структур с разветвленными устройствами ввода, общая емкость памяти которых будет находиться в терабитном диапазоне [7].


Возможность разнообразия

Все исследователи согласны с тем, что 3D-технологии открывают возможность создания на одном кристалле самых разных типов схем с использованием различных материальных систем. По словам специалистов MIT/Стэнфордского университета: «Монолитная трехмерная интеграция естественным образом обеспечивает сверхплотную гетерогенную интеграцию, поскольку различные материалы, устройства и технологии могут быть изготовлены на произвольных вертикальных слоях с плотной вертикальной взаимосвязью между ними…» [3].

Сотрудники Института CEA в Гренобле согласны с этим. Они также отмечают, что повышение стоимости процесса в целом не должно быть проблемой. 3D-монолитная интеграция, конечно, увеличивает количество шаблонов, но уменьшение площади кристалла (и как следствие – ​возможность размещения на пластине большего числа кристаллов, ведущее чаще всего к снижению удельных (на кристалл) затрат) способно уравновесить повышение сложности процесса и обеспечить аналогичный или даже лучший выход годных кристаллов. Как следствие, даже если 3D-интеграция монолитного КМОП-процесса длится дольше, количество изготовленных кристаллов примерно вдвое больше, чем при использовании планарной технологии. Это означает, что производительность завода по обработке пластин увеличивается [8].

Насколько перспективна данная технология? В «Международной маршрутной карте развития приборов и систем» редакции 2018 г. (2018 International Roadmap for Devices and Systems), больше ориентированной на перспективы флэш-памяти, а не на более экзотическое этажирование, отмечается, что ее физические ограничения нам пока не известны. Толщина получаемых кристаллов может стать проблемой только при этажировании очень большого количества слоев (например, 1000). Составители «Маршрутной карты» [9], оптимистично считают, что вполне возможно сформировать до 256 слоев.


Этажирование ИС и пластин

Попытки создать 3D-структуры предпринимались давно – ​например, корпорация Irvine Sensors (Коста-Меса, шт. Калифорния, США) работала над подобной задачей более 20 лет назад. Проект предусматривал утонение и травление подложек, совмещение кристаллов ИС этажируемых пластин и создание вертикальных связей между ними для формирования полнофункциональных объемных схем.

В то время было невозможно создать столько вертикальных каналов связи, сколько необходимо для действительно существенного улучшения возможностей подключения (подключаемости), но сейчас ситуация улучшилась. Например, в Университете штата Вирджиния разработчики использовали множество фиктивных и избыточных сквозных TSV-соединений, характерных для современных 3D-ИС, для обеспечения нейронной функциональности [10]. Вертикальные конвейеры обработки, имитирующие сетчатку и мозг, были созданы путем связывания двух отдельных ИС контактными столбиками и TSV, что обеспечило достаточную емкость схемы для действия в качестве синаптической мембраны.

Исследователи Пекинского информационно-технологического университета и Пекинского университета также осуществляют работы в этой области [11]. Они называют свои структуры нейронными TSV и используют их для создания трехмерных нейронов в сочетании с интерпозерами. Эти структуры имеют различные поперечные сечения и состав, отличные от обычно используемых для питания или передачи сигналов.


Возможно ли практическое решение?

Ученые Калифорнийского университета в Лос-Анджелесе и исследовательских центров IBM Watson и Almaden Research [12] также изучили этот подход, уделяя особое внимание формированию структур в масштабе пластин. Более 200 тыс. межслойных переходных отверстий на квадратный миллиметр, в сочетании с металлическими межсоединениями непосредственно на пластине, позволят увеличивать пропускную способность по всей системе до уровня, приближающегося к уровню мозга (скорость передачи данных оценивается в 1 Тбит/с). Ученые пришли к выводу, что скорость и энергопотребление для этажерки из четырех пластин будут управляемыми, и что наибольшая проблема, вероятно, будет связана с требованиями к памяти.

Предположительно существует возможность улучшения подключаемости еще на порядок, от 1000 до 10000, но для этого уже потребуются фотонные межсоединения. Еще одна проблема, которую предстоит решить в будущем, – ​монолитная вертикальная интеграция нейронных цепей. Реальное решение, скорее всего, будет представлено не отдельным подходом, а комбинацией различных методов, оптимизированных для разных обстоятельств, – ​точно так же, как в реальном мозге.


1. Bains Sunny. Building 3D Neural Structures on a Single Wafer. EE Times magazine, May 19, 2020: https://www.eetimes.com/building3d-neural-structures-on-a-single-wafer/# 

2. Bains Sunny. Building Volume into Neural Hardware. EE Times magazine, April 22, 2020: https://www.eetimes.com/building-volume-into-neural-hardware/ 

3. Bishop M. D., Wong H. S.P., Mitra S., Shulaker M. M. Monolithic 3-D Integration. IEEE Micro, vol. 39, № 6, pp. 16–27, November 2019.

4. Wu T. F. et al. Brain-Inspired Computing Exploiting Carbon Nanotube FETs and Resistive RAM: Hyperdimensional Computing Case Study. Digest of Technical Papers – ​IEEE International Solid-State Circuits Conference 2018, vol. 61, pp. 492–494, 2018. 

5. Ho R., Lau C., Hills G., Shulaker M. M. Carbon Nanotube CMOS Analog Circuitry. IEEE Transactions on Nanotechnology, vol. 18, pp. 845–848, 2019. 

6. Vivet P. et al. Advanced 3D Technologies and Architectures for 3D Smart Image Sensors. Proceedings of the 2019 Design, Automation and Test in Europe Conference and Exhibition, DATE2019, 2019. 

7. Lastras-Montano M.A., Chakrabarti B., Strukov D. B., Cheng K. T., 3D-DPE: A 3D High-Bandwidth Dot-Product Engine for High-Performance Neuromorphic Computing. Proceedings of the 2017 Design, Automation and Test in Europe, DATE2017, 2017, pp. 1257–1260, 2017. 

8. Andrieu F. et al. A Review on Opportunities Brought by 3D-Monolithic Integration for CMOS Device and Digital Circuit, pp. 141–144, 2018. 

9. IRDS, International Roadmap for Devices and Systems (IRDS) 2018 Update: More Moore, 2018. 

10. Ehsan M. A., An H., Zhou Z., Yi Y. A Novel Approach for Using TSVs As Membrane Capacitance in Neuromorphic 3-D IC. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, vol. 37, № 8, pp. 1640–1653, 2018. 

11. Miao M. et al. Modeling and Design of a 3D Interconnect Based Circuit Cell Formed with 3D SiP Techniques Mimicking Brain Neurons for Neuromorphic Computing Applications. Proceedings – ​Electronic Components and Technology Conference 2018, vol. 2018-May, pp. 490–497, 2018. 

12. Kumar A, Wan Z., Wilcke W. W., Iyer S. S. Toward Human-Scale Brain Computing Using 3D Wafer Scale Integration. ACM Journal on Emerging Technologies in Computing Systems, vol. 13, № 3, pp. 1–21, AprIl 2017.


ЧИТАЙТЕ ТАКЖЕ

Выпуск 24/25 (6748/6749) от 23 декабря 2021 г. г.
Выпуск 24/25 (6748/6749) от 23 декабря 2021 г. г.