当前位置:首页 > 报告详情

用于神经形态计算技术的硅兼容氧化铪基铁电体 - Athanatos Dimoulas.pdf

上传人: 拾亿 编号:751720 2025-07-29 17页 2.68MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文介绍了ViTFOX项目,旨在开发基于氧化铁电材料的下一代AI芯片。关键点如下: 1. **Vision Transformers性能**:Vision Transformers (ViT) 在图像识别方面取代了卷积神经网络(CNN),以4倍的较少计算资源实现更优性能。 2. **项目目标**:设计并制造单层网络的演示器,实现>30 TOPS/W的能量效率和>90%的准确率。 3. **铁电氧化物**:Hafnia基铁电材料与硅兼容,由欧洲和韩国研究者共同推进,实现了稳定铁电相。 4. **技术挑战**:通过原子层蚀刻(ALE)和新型退火技术,解决铁电薄膜厚度缩放导致的退化问题。 5. **性能数据**:铁电隧道结(FTJ)展示出~31.8 μC/cm²的剩余极化强度和~0.5V的开关电压,循环耐久性超过10^9次。 6. **集成与优化**:提出前端CMOS与后端铁电随机存取存储器(FeRAM)的垂直集成,预期超过300 TOPS每瓦的能量效率。 7. **商业化路径**:项目成果FeRAM可直接转移到生产线,而FTJ的异质集成更具挑战性,但已有相应的技术支持方案。 这些成就为AI芯片技术的未来发展奠定了基础。
"硅兼容铁电氧化物如何变革AI芯片?" "下一代AI芯片的能耗能降低多少?" "ViTFOX项目如何桥接欧洲与韩国科技?"
客服
商务合作
小程序
服务号
折叠