mile米乐中国官方网站 开发“缓慢”但高效的信息处理技术

国立研究开発法人产业技术総合研究所（以下「产総研」という）电子光基础技术研究部门强相关エrekutoronikusuguruープ、井上悠研究员、井上公上级研究员と、国立大学法人研究员と、国立大学法人东京大学、国立大学法人九州大学、兵库県公立大学法人 兵库県立大学、国立大学法人 名古屋工业大学は共同で、生物神经组织的行为晶体管的操作。

生物大脑擅长有效地处理生物体内的缓慢输入信号环境こうした特徴（ゆっくり动作、超低耗电）を人工素子で模仿することで、超低消费电力な情报处理に道を拓けると考えられますが、これまで両者の特徴を両立させるのは困难でした。今回、固体中に存在する搬运を持ったイオンを巧みに制御することによって、入力信号をゆっくりと时间変化する出力信号に変换する新概念のtoranジsuタを开発しました。这使用钛酸锶作为通道MOS晶体管采用离子控制作为工作原理，其特点是工作速度比传统的硅MOS晶体管慢一百万倍以上。我们已经证明它可以以 500 pW 的极低功耗运行。该晶体管的操作演示可以以极长的时间常数（输出电流相对于输入电压变化的时间尺度）模仿生物神经组织的行为，从而能够以超低功耗进行复杂的学习和推理，就像在生物体中一样。边缘设备做出贡献

该技术的详细信息将于 2024 年 11 月 27 日（美国东部时间）公布。先进材料

近年来人工智能一代,云型信息处理受到关注，为了实现任何人、任何地方都可以使用且安全性有保证的信息社会，需要即使在边缘设备上也能令人满意地运行的低功耗和高效信息处理能力。 MOS晶体管适合高速运行，广泛用作信息处理器件。迄今为止，人们一直在努力通过小型化来降低功耗并实现MOS晶体管的小型化。

しかし、微细化技术は限界を迎えつつあり、より小型で、电力效率率に优れた情报处理の実现には、异なる原理に基づいた情报处理技术が求められています。

如果我们将生物体视为信息处理系统，我们会发现它们处理信息的效率极高。生物神经组织的运行速度比 MOS 晶体管慢一百万倍以上，并且消耗功率的一小部分，不到 1 pW（皮瓦，皮瓦是万亿分之一 pW 的万亿分之一）。如果可以用人工设备模仿生物神经组织，人们认为这将为超低功耗的新信息处理铺平道路，但利用传统技术，很难同时实现运算速度慢、设备面积小和功耗低。

在功能材料领域，AIST旨在将材料中发生的各种物理现象应用于器件，特别是开发了氧化物材料的制造技术、评估技术和器件技术。通过应用这些技术，我们成功地演示了模仿生物神经组织行为的晶体管的操作。

这项研究和开发得到了日本科学技术振兴机构战略创意研究推广项目 CREST“使用尖峰网络的边缘实时学习平台（2019-2024，JPMJCR19K2）”的支持。

生物神经组织是泄漏积分的行为，它将外部输入的脉冲信号转换为内部随时间缓慢变化的信号。图1(a)显示了泄漏积分运算的概念图。每输入一个脉冲信号，膜电位的内部变量会慢慢上升。当没有接收到脉冲信号时，膜电位逐渐降低。

为了使用传统方法实现时间常数与生物神经相似的泄漏积分，需要大至1 µF（微法，电容单位）的电容器和大至100 kΩ（千欧姆，电阻单位）的电阻，如图1（b）所示。这种方法不仅增加了电路面积，而且由于电流流过电阻而浪费了功率。该技术使用外部施加的电压缺氧离子，我们证明了可以在不浪费功率的情况下模拟泄漏积分。

图2(a)表示本次所说明的动作的晶体管的示意图。这是沟道由氧化物半导体钛酸锶制成的 MOS 晶体管。栅电极取决于施加到 (G) 的电压源电极（S，电子井口）和漏极(D，电子沉)之间流动的电流(从漏极流向源极)发生变化。与传统晶体管不同，由于氧化物半导体用于沟道部分，因此器件中存在的缺氧离子可以用于器件操作。

当电场施加到图2(b)中的栅电极(G)时缺氧离子的分布有限元法的分析结果当施加电场时，带正电的缺氧离子移动到钛酸锶层的底部，同时，在钛酸锶层的上表面附近产生缺氧离子。此时，由于移动速度取决于栅极的电场强度，因此在深度方向上产生速度分布，并且钛酸锶层的上表面附近的缺氧离子的浓度随着时间而增加。随着缺氧离子浓度的增加，电子浓度也增加，使得电流更容易在氧化物中流动。此时，源电极(S)和漏电极(D)之间流动的电流可以被提取为响应于脉冲电场输入而随时间缓慢变化的信号。缺氧的离子在氧化物中移动缓慢，很容易产生类似于生物神经的长期变化。此外，正如蓄电池可以反复充电和放电一样，离子运动本身是一个可逆过程，因此即使在低速下，它也有可能在非常低的功率水平下运行。

图3显示了实际电流波形测量结果。当输入快速脉冲时（随着输入频率的增加），输出电流的幅度逐渐增加。另一方面，当输入慢脉冲（当输入频率降低时）时，输出电流的幅度逐渐减小。这样，我们成功地实现了“泄漏积分运算”，其中电流的幅度根据输入脉冲缓慢变化。频率依赖性分析表明，该元素具有与生物神经相当的较长时间常数。此时的功耗极低，为 500 pW，这表明通过控制缺氧离子可以实现高效的泄漏积分操作。通过设计实现电路的方法，例如独立地写入和读取元件，可以预期进一步降低功耗。

此次演示的漏电流积分晶体管适用于构建人工模仿生物神经系统行为的神经网络。例如，神经网络可以执行“笔迹异常检测”，可以确定 A 先生和 B 先生绘制的图形的笔迹是谁写的（图 4（a））。图 4 (b) 显示了使用所开发设备的模拟来检测手写异常的验证实验结果。这里我们有 256 个随机连接的神经元突触水库计算执行学习和推理。神经元是生物神经元泄漏积分点火，突触以编程方式模拟生物突触的行为。元件的时间常数用于神经元和突触的操作。如果训练甲人写的三角形笔迹，然后输入乙人和甲人的笔迹，只有输入乙人的笔迹时，“识别为他人的程度”才会增加，说明笔迹异常检测成功。然而，在假设元素比开发元素快 100,000 倍的模拟中，手写异常检测失败。这个模拟结果可以解释为，检测手写异常需要有关过去的信息，例如笔过去的位置和绘制形状的速度，并且元素移动得越慢，就越有可能更长时间地保留信息。通过这种方式，我们证明了元素的缓慢性在处理与人类交互的信息的神经网络的运行中起着重要作用。

我们开发的泄漏积分晶体管以及这次获得的有关器件运行速度的知识将有助于实现主动利用生物神经系统“缓慢”的低功耗信息处理。

通过使用开发的晶体管构建神经网络，我们将为可以低功耗运行的边缘设备构建信息处理平台。例如能量收集上运行的可穿戴设备

未来，我们的目标是将其应用于需要小型化、安全性和自主操作的设备，例如可以在边缘设备上完成而不使用云的 AI。

米乐m6官方网站光电基础技术研究部强相关电子组
东京大学
九州大学系统信息科学学院信息电子学系
兵库大学大学院工学研究科电气特性工学科
名古屋工业大学信息工程学院
（兼任东京大学、国际高等研究院、国际神经智能研究所（WPI-IRCN）合作研究员（研究时））

已出版的杂志：先进材料
论文标题：驯服长时间离子漂移扩散动力学以实现类脑计算
作者：Hisashi Inoue、Hiroto Tamura、Ai Kitoh、Xiangyu Chen、Zolboo Byambadorj、Takeaki Yajima、Yasushi Hotta、Tetsuya Iizuka、Gouhei Tanaka、Isao H Inoue
DOI：101002/adma202407326

生物神经组织

生物体中执行信息传递、判断和肌肉运动等功能的组织的总称。一个典型的例子是称为神经元的细胞，这些组织形成一个复杂的网络，在生物体中执行各种功能。[返回来源]

晶体管

根据从外部输入的电压和电流控制流过元件的电流的开关元件。个人计算机、智能手机等中包含的中央信息处理单元配置有晶体管作为其最小构成元件。[返回来源]

MOS晶体管、源极、漏极、栅极

金属氧化物半导体晶体管的缩写，由金属、氧化物绝缘体和半导体制成的晶体管的总称。硅通常用作半导体。它具有三个电极：源电极、漏电极和栅电极，源电极和漏电极之间流动的电流根据源电极和栅电极之间施加的电压而变化。[返回来源]

边缘设备

sumaーtofuォンやsumaートウォッチなど、情报处理ネットワークの断裂で动作する情报处理装置の総称。 为了提供便携性和在任何地方使用的能力，需要小型化和低功耗。[返回来源]

人工智能一代

信息处理设备使用深度学习算法自行生成文本、图像、音频等的程序的总称。一个典型的例子是OpenAI的ChatGPT。[返回来源]

云

连接到互联网的大型信息处理设备，例如超级计算机。用户通过将必要的信息从自己的设备发送到云端并从云端接收信息处理的结果来处理信息。[返回来源]

膜电位、泄漏积分、泄漏积分触发

在活细胞中，由细胞膜分隔的细胞膜内部和外部之间的电位差称为膜电位。泄漏积分是形式化神经元输入时膜电位行为的模型之一。当施加输入时膜电位增加（积分作用），并且当不施加输入时膜电位缓慢减小（泄漏作用）。当重复泄漏积分并且膜电位达到一定阈值时，在称为发射的操作中产生脉冲状信号（泄漏积分发射）。[返回来源]

缺氧离子

所开发的晶体管中使用的钛酸锶具有称为晶体的结构，其中氧、钛和锶等原子规则排列。实际上，晶体中可能会形成空穴，氧原子可以通过这些空穴逸出，这些空穴称为氧空位。氧空位可以通过交换晶体内的原子而在晶体中移动。在钛酸锶中，氧空位表现为带正电的离子。[返回来源]

有限元法

一种计算物理量空间分布的数值计算方法。空间分布可以通过将空间划分为大量元素并数值求解每个元素所遵循的方程来获得。[返回来源]

突触

负责在神经元之间传递信息的生物神经组织。当一个神经元放电时，信息通过突触中的化学物质交换传递到另一个神经元。[返回来源]

水库计算

一种信息处理方法，利用随机系统中随时间变化（例如水波纹或随机连接的神经网络）来对时间序列数据执行计算。输入信号被转换为系统的时间过程，并通过以适当的比例将从系统中提取的多个不同时间演化相加而获得输出。[返回来源]

能量收集

利用以前难以利用的微量能量（例如室温、振动和废热）发电。[返回来源]