超低能量电荷陷阱快闪存储器通过寄生泄漏缓解实现的突触
摘要：脑启发计算在生物能效方面具有复杂的认知任务。大脑每个神经元含有$10^4$个突触。因此，需要超低能量、高密度的突触来构建尖峰神经网络（SNN）。本文使用隧道加强CTF（Charge Trap Flash）堆栈进行超低能量操作（1F）；此外，SOI平台上的CTF和背对背连接的pn二极管和Zener二极管（2D）阻止寄生漏电，保持阵列操作的能量优势。体积为$100\mu m \times 100\mu m$的CTF操作提供可调的、逐渐变化的导电率变化（$\Delta G$），即$10^4$个级别，相对于文献有$100$倍的改进。1F2D突触的SPICE模拟表明，180nm节点的长期增强（LTP）和长期抑制（LTD）具有超低能量（$leqslant 3fJ/pulse$），与生物突触的能量估计（$10fJ$）相当。观察到记录低的学习率（即最大$\Delta G<1\%$的G范围），可调。观察到优异的可靠性（完整导电范围下$>10^6$次耐久循环）。这样一种在CMOS平台上能量效率极高且具有可调学习率的突触是实现人脑规模系统的关键。关键词：尖峰神经网络；电荷捕捉闪存；SONAS；Fowler-Nordheim隧道效应；突触
作者：Shalini Shrivastava, Tanmay Chavan, Udayan Ganguly
论文ID：1902.09417
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2020-12-22