KAIST打造“变色龙AI半导体”，突破传统芯片固定响应限制

KAIST研发了一种能够根据数据变化速度调整自身响应特性的AI半导体，有望推动实时AI计算向更高效、更低功耗方向发展。

AI半导体的可编程性正在日益增强。韩国科学技术院（KAIST）研究人员开发出一种器件，其响应特性可以被编程，从而处理不同速度变化的数据。该技术可将时变数据预测误差最多降低40倍，有望提升自动驾驶汽车、机器人以及可穿戴设备中AI的实时性能。

KAIST于8月7日宣布，由电气工程学院和半导体技术研究生院崔信贤（Shinhyun Choi）教授领导的研究团队，开发出了一种可编程动态忆阻晶体管（Programmable Dynamic Memtransistor，PDM）。该半导体器件的时间响应特性可以被调整至多个状态并保持不变，同时研究团队还基于该器件开发出了集成阵列。

忆阻晶体管（Memtransistor）是一种将存储器的信息存储功能与晶体管的计算功能相结合的下一代半导体器件。在此次开发的PDM中，其能够在保留此前信息的同时处理数据，因此可以根据输入数据调整并保持自身的响应特性。

图1.可编程动态忆阻晶体管（PDM）的概念与工作原理，用于处理具有多时间尺度特性的时间序列信号

如今，计算机和智能手机需要通过复杂的软件处理来分析随时间变化的数据，这会带来巨大的计算负载和较高的功耗。为了解决这一问题，研究人员一直在探索让半导体硬件本身能够直接处理数据的技术。然而，传统器件的响应速度在制造完成后便固定不变，无法进行调整。

研究团队通过在晶体管内部引入双层结构，克服了这一限制。该结构结合了用于累积和处理数据的电荷存储层，以及能够以非易失性方式控制响应速度的电子捕获层。

在研究团队开发的PDM中，输入数据会在电荷存储层中进行处理，而电子捕获层则通过多个等级控制半导体恢复至初始状态的速度。在实验中，研究团队成功将电流恢复时间调节至约5倍范围，并将特征频率调节范围扩大至10倍以上。

尤其是在涉及快速变化和缓慢变化数据复杂混合的数据预测实验中，与传统固定响应特性的半导体器件相比，PDM最多可将预测误差降低40倍。通过采用与不同输入时间尺度相匹配的响应特性配置，PDM即使在手写速度或物体移动速度发生变化时，也能够实现精准的信息处理。

一旦响应特性被设定，该器件无需持续外部供电即可记住这些特性，同时也无需对输入数据进行复杂的预处理。由于该器件完全兼容目前广泛采用的商业半导体工艺材料，因此在大规模生产和商业化方面也具有明显优势。

图2. 具有多样时间响应特性的集成PDM阵列结构及其在多尺度时间序列信号处理中的性能

研究团队制造出了PDM阵列，并利用该阵列对复杂数据进行预测，结果证实，其在消耗远低于传统软件系统的能量情况下，实现了与传统软件系统相当的准确率。

“这项研究展示了一种AI半导体，其响应特性可以被编程，从而高效处理不同速度变化的数据。”崔信贤教授表示，“我们期待该技术成为一项核心技术，有助于提升自动驾驶汽车、机器人以及可穿戴设备等AI设备性能，同时降低其功耗。”

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。

想要获取半导体产业的前沿洞见、技术速递、趋势解析，关注我们！