开发高能效的类脑计算器件和架构，是当下人工智能硬件领域的热点。22日，记者从南京大学获悉，该校王欣然教授团队与清华大学吴华强教授团队合作，提出基于二维半导体铁电晶体管的新型存内计算器件架构，通过调节铁电势阱，研制出同时满足训练和推理的AI底层器件，并展示了每焦耳高达1015次运算操作级别的能效潜力。相关论文近日发表于国际学术期刊《自然·纳米技术》。
AI可以走多远，计算机的算力和能效是关键。以最近饱受关注的人工智能应用ChatGPT为例，其算力可以达到每秒1019次运算操作，而维持其巨大算力的基础是上万块最先进的图形处理器（GPU）以及77160千瓦时的日耗电量。
“实际上，人脑算力与ChatGPT相当，能效却比ChatGPT采用的GPU高5个数量级。”该论文的共同第一作者宁宏凯介绍，大脑存算一体的特征，可以显著降低传统“冯诺依曼”架构中数据传输的能耗与延迟，大幅提高计算并行度和能效。
而“训练和推理一体化”，即“学”和“用”在同一硬件上实现，被认为是通向AI智慧终端的核心挑战。然而，训练和推理对存储器要求截然不同，两者好似鱼和熊掌，难以兼得。
“推理过程，要求存储器能长久地储存数据；而训练过程，要求器件能以极快的速度不断擦写存储的信息，所以要能耐受多次擦写，而且翻转功耗要小。”宁宏凯告诉科技日报记者。
在这项研究中，研究人员巧妙利用了铁电材料能量双阱曲线的可调性，他们提出了一种“复式”的二维半导体铁电晶体管结构，通过设计浮栅两侧铁电电容和介电电容的面积比例（AFE/ADE），调控了铁电两端的分压比例，从而实现了对铁电能量双阱曲线的形态调节。AFE/ADE较大的栅极，更适合用于AI训练；而AFE/ADE较小的栅极，适合用于AI推理。
“这项研究解决了长久以来边缘端AI硬件所面临的推理-训练之间的矛盾，为万物智能提供了一种潜在的高能效解决方案，同时也展示了新材料在智能芯片领域的应用前景。”论文共同通讯作者王欣然说。
开发高能效的类脑计算器件和架构，是当下人工智能硬件领域的热点。22日，记者从南京大学获悉，该校王欣然教授团队与清华大学吴华强教授团队合作，提出基于二维半导体铁电晶体管的新型存内计算器件架构，通过调节铁电势阱，研制出同时满足训练和推理的AI底层器件，并展示了每焦耳高达1015次运算操作级别的能效潜力。相关论文近日发表于国际学术期刊《自然·纳米技术》。
AI可以走多远，计算机的算力和能效是关键。以最近饱受关注的人工智能应用ChatGPT为例，其算力可以达到每秒1019次运算操作，而维持其巨大算力的基础是上万块最先进的图形处理器（GPU）以及77160千瓦时的日耗电量。
“实际上，人脑算力与ChatGPT相当，能效却比ChatGPT采用的GPU高5个数量级。”该论文的共同第一作者宁宏凯介绍，大脑存算一体的特征，可以显著降低传统“冯诺依曼”架构中数据传输的能耗与延迟，大幅提高计算并行度和能效。
而“训练和推理一体化”，即“学”和“用”在同一硬件上实现，被认为是通向AI智慧终端的核心挑战。然而，训练和推理对存储器要求截然不同，两者好似鱼和熊掌，难以兼得。
“推理过程，要求存储器能长久地储存数据；而训练过程，要求器件能以极快的速度不断擦写存储的信息，所以要能耐受多次擦写，而且翻转功耗要小。”宁宏凯告诉科技日报记者。
在这项研究中，研究人员巧妙利用了铁电材料能量双阱曲线的可调性，他们提出了一种“复式”的二维半导体铁电晶体管结构，通过设计浮栅两侧铁电电容和介电电容的面积比例（AFE/ADE），调控了铁电两端的分压比例，从而实现了对铁电能量双阱曲线的形态调节。AFE/ADE较大的栅极，更适合用于AI训练；而AFE/ADE较小的栅极，适合用于AI推理。
“这项研究解决了长久以来边缘端AI硬件所面临的推理-训练之间的矛盾，为万物智能提供了一种潜在的高能效解决方案，同时也展示了新材料在智能芯片领域的应用前景。”论文共同通讯作者王欣然说。
