TW202119552A - 可重新配置的基於finfet的人工神經元及突觸設備 - Google Patents
可重新配置的基於finfet的人工神經元及突觸設備 Download PDFInfo
- Publication number
- TW202119552A TW202119552A TW109125707A TW109125707A TW202119552A TW 202119552 A TW202119552 A TW 202119552A TW 109125707 A TW109125707 A TW 109125707A TW 109125707 A TW109125707 A TW 109125707A TW 202119552 A TW202119552 A TW 202119552A
- Authority
- TW
- Taiwan
- Prior art keywords
- gates
- artificial
- fins
- synapses
- gate
- Prior art date
Links
- 210000000225 synapse Anatomy 0.000 title claims abstract description 115
- 210000002569 neuron Anatomy 0.000 title claims abstract description 103
- 239000004065 semiconductor Substances 0.000 claims abstract description 45
- 230000005669 field effect Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 49
- 238000005516 engineering process Methods 0.000 claims description 22
- 239000000758 substrate Substances 0.000 claims description 18
- 229910052751 metal Inorganic materials 0.000 claims description 17
- 239000002184 metal Substances 0.000 claims description 17
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 229910052710 silicon Inorganic materials 0.000 claims description 14
- 239000010703 silicon Substances 0.000 claims description 14
- 230000008021 deposition Effects 0.000 claims description 12
- 229910044991 metal oxide Inorganic materials 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 2
- 150000004706 metal oxides Chemical class 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 description 37
- 230000008569 process Effects 0.000 description 22
- 230000006399 behavior Effects 0.000 description 17
- 239000000463 material Substances 0.000 description 17
- 238000000151 deposition Methods 0.000 description 13
- 230000000946 synaptic effect Effects 0.000 description 11
- 230000007704 transition Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 4
- 125000006850 spacer group Chemical group 0.000 description 4
- 238000013529 biological neural network Methods 0.000 description 3
- 210000000653 nervous system Anatomy 0.000 description 3
- 238000000137 annealing Methods 0.000 description 2
- 210000003050 axon Anatomy 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 108091008695 photoreceptors Proteins 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 229910000577 Silicon-germanium Inorganic materials 0.000 description 1
- QCWXUUIWCKQGHC-UHFFFAOYSA-N Zirconium Chemical compound [Zr] QCWXUUIWCKQGHC-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 229910052746 lanthanum Inorganic materials 0.000 description 1
- FZLIPJUXYLNCLC-UHFFFAOYSA-N lanthanum atom Chemical compound [La] FZLIPJUXYLNCLC-UHFFFAOYSA-N 0.000 description 1
- -1 metal oxide silicate Chemical class 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 210000004126 nerve fiber Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000006104 solid solution Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 229910052726 zirconium Inorganic materials 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L27/00—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate
- H01L27/02—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers
- H01L27/04—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body
- H01L27/08—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind
- H01L27/085—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only
- H01L27/088—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only the components being field-effect transistors with insulated gate
- H01L27/0886—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only the components being field-effect transistors with insulated gate including transistors with a horizontal current flow in a vertical sidewall of a semiconductor body, e.g. FinFET, MuGFET
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
- G06N3/065—Analogue means
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C11/00—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor
- G11C11/21—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using electric elements
- G11C11/22—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using electric elements using ferroelectric elements
- G11C11/223—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using electric elements using ferroelectric elements using MOS with ferroelectric gate insulating film
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C11/00—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor
- G11C11/54—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using elements simulating biological cells, e.g. neuron
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L27/00—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate
- H01L27/02—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers
- H01L27/04—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body
- H01L27/08—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind
- H01L27/085—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only
- H01L27/088—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only the components being field-effect transistors with insulated gate
- H01L27/092—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only the components being field-effect transistors with insulated gate complementary MIS field-effect transistors
- H01L27/0924—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only the components being field-effect transistors with insulated gate complementary MIS field-effect transistors including transistors with a horizontal current flow in a vertical sidewall of a semiconductor body, e.g. FinFET, MuGFET
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Neurology (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Semiconductor Memories (AREA)
- Thin Film Transistor (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
- Semiconductor Integrated Circuits (AREA)
- Metal-Oxide And Bipolar Metal-Oxide Semiconductor Integrated Circuits (AREA)
Abstract
一種在半導體元件上一起實施人工神經元及突觸的半導體元件包括:複數個鰭片,形成於該半導體元件上;及複數個閘極,形成在該複數個鰭片周圍,以形成複數個鰭式場效電晶體(FinFET)。該複數個FinFET可以形成一或更多個人工突觸及一或更多個人工神經元。該一或更多個人工突觸中的每一者均可以包括該複數個閘極中的二或更多者。該一或更多個人工神經元中的每一者均包括該複數個閘極中的一者。
Description
此申請案主張於2019年8月2日提出的第16/530,714號的美國非臨時專利申請案的優先權權益,該案的整體實質內容特此以引用方式併入。
此申請案大致描述可以用來形成人工神經元及突觸結構的電路結構。更具體而言,此申請案描述用於連接鰭式場效電晶體(FinFET)的閘極以在相同的技術節點上配置人工神經元及突觸結構的方法及結構。
現代的電子神經網路包括數位及/或類比電路系統,該電路系統受到由自然界中發現的神經系統所使用的生物神經網路的啟發且尋求近似該等生物神經網路。電子神經網路與它們的自然對應物類似,都試圖在不使用任務特定的規則來預先程式化的情況下學習及執行各種任務及辨識輸入刺激。此種學習過程可以使用表示人工神經元的連接的節點的集合來完成,該等人工神經元在操作上近似生物系統中的神經元的行為。神經元之間的連接可以近似生物突觸的行為以在一或更多個人工神經元之間傳送訊號。可以將神經元及突觸的連接的多個相繼的層鏈接在一起以將複雜的任務分解成遞增的階段。因此,可以用與生物神經網路隨著時間的推移學習及成長相同的方式教導電子神經網路執行新的任務。
在一些實施例中,一種在半導體元件上一起實施人工神經元及突觸的半導體元件可以包括:複數個鰭片,形成於該半導體元件上;及複數個閘極,形成在該複數個鰭片周圍,以形成複數個鰭式場效電晶體(FinFET)。該複數個FinFET可以形成一或更多個人工突觸及一或更多個人工神經元。該一或更多個人工突觸中的每一者均可以包括該複數個閘極中的二或更多者。該一或更多個人工神經元中的每一者均包括該複數個閘極中的一者。
在一些實施例中,一種在半導體元件上一起實施人工神經元及突觸的方法可以包括以下步驟:將複數個鰭片形成於該半導體元件上。該方法也可以包括以下步驟:將複數個閘極形成在該複數個鰭片周圍,以形成複數個鰭式場效電晶體(FinFET)。該複數個FinFET可以形成一或更多個人工突觸及一或更多個人工神經元。該一或更多個人工突觸中的每一者均可以包括該複數個閘極中的二或更多者,且該一或更多個人工神經元中的每一者均可以包括該複數個閘極中的一者。
在任何實施例中,可以用任何組合且沒有限制地合併以下特徵中的任一者及/或全部。該元件也可以包括:一或更多個連接,介於該複數個閘極之間,其中該一或更多個連接可以形成一或更多個人工突觸及一或更多個人工神經元的網路。可以在閘極沉積之後直接實施該複數個閘極之間的的該一或更多個連接。可以在該半導體元件的金屬層中實施該複數個閘極之間的該一或更多個連接。該複數個鰭片可以包括第一鰭片,該複數個閘極可以包括第一複數個閘極,且可以將該第一複數個閘極形成在該第一鰭片上以形成該複數個人工突觸中的單個人工突觸。該複數個鰭片可以包括第一複數個鰭片,該複數個閘極可以包括第一閘極;且可以將該第一閘極形成在該第一複數個鰭片上以形成該複數個人工突觸中的一者的至少一部分。半導體元件可以包括矽基板,且該複數個鰭片中的每一者均可以在矽基板中被形成為垂直的脊。該複數個FinFET可以包括複數個鐵電FinFET。可以在該半導體元件上用均勻的圖案形成該複數個鰭片,使得該複數個鰭片中的每一者均可以用於人工神經元或人工突觸。該複數個鰭片中的每一者均可以被形成為具有均勻的寬度。可以在製造該半導體元件之後在系統級中建立該一或更多個連接。可以在製造該半導體元件之後在軟體級中建立該一或更多個連接。該一或更多個人工神經元中的每一者均可以被配置為在導電率狀態之間切換之前接收複數個訊號脈波。該一或更多個人工突觸中的每一者均可以被配置為接收複數個訊號脈波,該複數個訊號脈波中的每一者均造成相應的域在導電率狀態之間切換。該複數個鰭片中的每一者均可以為約10 nm寬。可以將該複數個鰭片及該複數個閘極形成於複數個離散區域中作為神經元,且可以連接該複數個離散區域中的多個離散區域以形成突觸。可以在相同的技術節點中形成該複數個鰭片及該複數個閘極。可以在該半導體元件上形成一或更多個互補金屬氧化物矽(CMOS)電路。
本文中描述了用於在半導體元件中的單個技術節點上一起實施人工神經元及人工突觸的實施例。可以在矽基板上製造鐵電FinFET的列。可以將閘極連接在一起以形成多域FinFET,該等多域FinFET藉由響應於接收到的訊號脈波逐漸過渡FinFET通道的導電率來近似突觸行為。可以使用單閘極藉由在切換它們的單個導電率狀態之前接收複數個訊號脈波來近似神經元行為。因為可以將相同的結構用作人工神經元及人工突觸的基礎,所以神經網路可以在單個技術節點上形成,且可以在製造時在閘極沉積層或金屬沉積層處配置。或者,可以在製造之後使用可配置的連接來在系統級層處配置及/或重新配置神經網路。
圖1繪示依據一些實施例的神經網路100的一部分的圖解。神經網路100包括複數個輸入102。輸入可以與生物系統中的輸入對應,例如表示神經纖維的軸突或神經元的細長凸部,其進行電氣脈衝且充當神經系統中的傳輸線。例如,該複數個輸入102可以表示與相應的光感受器相關聯的軸突,該等光感受器用來對周圍環境中接收到的光進行編碼及傳送表示接收到的光的電訊號。可以縮放電訊號以表示接收到的訊號的大小或強度。例如,該複數個輸入102可以產生與接收到的光訊號的強度成比例的電訊號。應注意,光感受器及影像辨識的使用是僅藉由示例的方式來提供的,且不意味著限制。可以使用其他類型的生物及電神經網路來接收及處理任何類型的輸入。
在該複數個輸入102處接收到輸入訊號之後,該複數個輸入102中的每一者均可以向一或更多個神經元104傳送脈波106。神經網路100將輸入102與神經元104之間的這些路徑繪示為複數個突觸110。在生物神經系統中,突觸是一種容許神經元或神經細胞向另一個神經元傳遞電氣或化學訊號的結構。在神經網路100中,可以使用突觸110來對生物突觸進行建模,該等突觸在輸入102與神經元104之間傳遞加權的訊號,該加權的訊號表示由輸入102所接收的訊號的大小。也可以對突觸110進行加權。例如,該複數個輸入102中的一者可以接收輸入訊號,該輸入訊號在其被發送到不同的神經元104時被突觸不同地加權。突觸110的加權允許神經網路「學習」辨識特定的輸入模式及執行特定的輸出任務。在對神經網路中的突觸110進行建模時,該等突觸可以由半導體元件所表示,該半導體元件可以接收複數個順序的輸入脈波及產生對應的輸出。例如,每個輸入脈波均可以使得突觸輸出在邏輯0位準與邏輯1位準之間逐漸增加。
突觸110可以將輸入102連接到一或更多個神經元104。可以在輸入102與神經元104之間用一對多的拓撲進行這些連接。可以將神經網路中的神經元104建模在生物神經元之後,該等生物神經元是與連接突觸之間的其他細胞通訊的電氣可激發細胞。在接收到足夠數量的輸入脈衝之後,神經元104可以「發射」或過渡到激發態。該狀態可以與來自大腦的感覺響應(例如觸碰、聲音、光等等)及/或運動控制相關聯。為了近似生物神經元的行為,可以使用任何元件來實施神經網路100中的神經元102,該元件可以從一或更多個突觸110接收複數個輸入脈波,且在接收到閾值數量的輸入脈波之後,使得神經元104的輸出108在邏輯0狀態與邏輯1狀態之間切換。
圖1繪示了神經網路100的大大簡化的視圖,以清楚描述各種網路部件。實際上,神經網路100也可以包括輸入102與輸出108之間的一或更多個隱藏層神經元及突觸。這些隱藏層或中間層允許將產生最終輸出108的任務分解成子步驟,每個子步驟均可以由突觸及神經元的對應隱藏層所表示。例如,可以將神經網路100配置為在兩個不同類型的影像之間進行區分,從而在辨識出第一類型的影像時使得輸出108a發射,及在辨識出第二類型的影像時使得輸出108b發射。神經元及突觸的第一隱藏層可以辨識影像內的邊緣。神經元及突觸的第二隱藏層可以辨識由影像內的邊緣所促成的形狀。最後,輸出級中的神經元104可以結合辨識的形狀以在第一影像類型與第二影像類型之間進行區分。因此,從電部件及連接的角度而言,與可以在圖1中顯而易見的內容相比,神經網路100可以複雜得多。因為複雜的現代神經網路可能伴隨著尺寸、複雜度、速率需求、及/或選路困難,所以大大需要可以用一種方式表示生物神經元及突觸的電路構件,該方式仍然可以允許在單個技術節點上高效地佈局及製造許多元件。
圖2繪示依據一些實施例的實施神經網路的電路網路200。由電路網路200所表示的神經網路可以與圖1中的神經網路100類似。與圖1的情況一樣,圖2是簡單神經網路的大大簡化的視圖,其中為了清楚描述可以用來表示神經元及突觸的各種電路部件,省略了許多連接及/或隱藏層。電路網路200包括可以與圖1的輸入102對應的複數個輸入206。輸入可以透過表示突觸的元件連接到表示神經元204的複數個元件。表示突觸的元件可以包括電晶體202,該等電晶體將神經元204的輸入連接到電路輸入206。為了簡單起見,已經從圖2省略了許多額外的電路構件(例如存取電晶體)。存取電晶體可以防止干擾連接到輸入的閘極,而輸出連接到FeFET的閘極。此存取電晶體與記憶電晶體/構件一起構成偽十字突觸陣列的一個突觸構件。
可以使用許多不同的元件來在電路網路中表示突觸。在此電路網路200中,可以使用半導體元件來實施電晶體202,該等半導體元件可以在VG
線上接收複數個輸入脈波,及向也是FeFET電晶體的神經元204(極限地縮放)提供成比例的輸出。因此,可以使用這些電晶體202來對由VG
線所控制的類比突觸進行建模。此外,神經元204也可以由極限縮放的電晶體元件所表示。然而,與表示突觸且在接收激發脈波之後展現導電性的類比漸進累積的改變的電晶體202相比,可以將表示神經元204的電晶體配置為從突觸接收複數個脈波且在接收到閾值數量的脈波之後發射。可以使用表示如上所述的神經元及突觸的隱藏層的電晶體的隱藏層來增強輸入與輸出神經元204之間的電晶體連接的此基本網路。因此,在實施電路網路202時,使用可以在單個過程中實施突觸的類比行為及神經元的數位行為的半導體元件會是有益的。
在各種實施例中,可以使用許多不同類型的電晶體來實施神經網路的基礎部件。然而,本文中所述的一些實施例可以使用稱為鐵電場效電晶體(FeFET)的特定類型電晶體。FeFET是邏輯/記憶電晶體,其即使在移除電力時也可以維持其邏輯/記憶體狀態。FeFET與傳統的金屬氧化物矽酸鹽(MOS)電晶體類似,除了邏輯閘介電體被鐵電材料替換以外,該鐵電材料還是一種「記得」或儲存其曾暴露過的電場的介電體。在FeFET中,可以在閘極介電體本身內形成持久的雙極(或所謂的「域」),藉此將FeFET的閾值電壓分成可以表示二進制邏輯狀態的兩個穩定的狀態。因為這些穩定狀態是持久的,所以FeFET的操作可以與傳統的基於電荷的快閃記憶體單元中一樣地儲存狀態資訊。FeFET也使用相對小量的電力,且本質上可以與傳統的CMOS技術一起擴充。在用作記憶元件時,與例如為快閃NAND記憶體的記憶體相比,FeFET單元的讀取/寫入時間及寫入/抹除幅度也分別明顯較快及較低。
圖3繪示依據一些實施例的FeFET的切換循環。鐵電材料是可以在施加外部激發(例如施加的電壓)之後改變狀態的材料。鐵電材料可以包括可以在兩個穩定狀態之間切換的複數個物理域。可以將鐵電體整合到要用作記憶元件的FeFET的閘極中。圖3繪示FeFET的特徵中的一個特徵,該特徵使得FeFET對於對神經網路中的神經元及突觸進行建模而言特別有用。圖3左側的FeFET狀態302、304、306、308中的每一者表示在FeFET在邏輯0狀態與邏輯1狀態之間逐漸過渡時,FeFET的各種狀態。因為此種漸進過渡,可以使用圖3中的FeFET來對突觸進行建模。回憶一下,突觸行為響應於閘極電極上重複的輸入脈波在邏輯狀態之間逐漸過渡。FeFET可以在從神經網路中的輸入或其他類似神經元的元件接收脈波時隨著時間的推移逐漸切換導電率,而不是響應於單個事件而切換元件的導電率。
為了對突觸行為進行建模,可以將FeFET設計為相對地比類似的神經元元件大,使得可以將閘極電極表示為可以在閘極電極中在邏輯狀態之間獨立切換的複數個域或物理區域。圖3中在處於各種狀態302、304、306、308的FeFET的閘極電極上使用垂直箭頭表示這些域中的每一者。這些垂直箭頭的方向改變方向以表示閘極中的對應域的切換行為。改變FeFET中的域中的一者可以與FeFET中的鐵電晶格材料的結構的改變對應。因為,晶格本身改變其配置,所以FeFET的狀態可以在使得域切換的輸入脈波之間持續。並且,每個域均可以用其本身的在穩定狀態之間切換的遲滯圖310來表示。因此,在FeFET的閘極處接收到單個脈波時,域中的一者可以在穩定狀態之間切換,例如從邏輯0過渡到邏輯1。
從圖3上方的FeFET狀態302開始,FeFET可以從邏輯0開始。在此實例中,可以將FeFET設計為包括三個相異的域,然而實際上,與三個域相比,元件可以包括更少或更多個的域。向上指的三個垂直箭頭中的每一者指示,三個域中的每一者目前均處於穩定的邏輯0狀態。在接收到與處於邏輯0狀態所需的極性相反的極性的第一輸入脈波之後,FeFET可以進入狀態304。在狀態304下,FeFET的第一域從邏輯0切換到邏輯1。這也在遲滯圖310中指示。接收的輸入脈波足以改變單個域,同時使其他域保留在穩定的邏輯0狀態。注意,一些過渡可能需要多個脈波才能切換單個域。接下來,FeFET可以接收第二輸入脈波,從而使得FeFET的第二域過渡到邏輯1狀態。這由狀態306的示圖中的FeFET的閘極中的改變為向下指的第二箭頭所表示。最後,FeFET可以接收第三輸入脈波,從而使得最後的域過渡到邏輯1狀態。
具有複數個域的FeFET內的域的此種漸進過渡可以提供狀態之間類似類比的過渡,這在對突觸行為進行建模時是有用的。在接收任何輸入脈波之前,狀態302表示FeFET的全邏輯0狀態。相反地,在接收到足量的輸入脈波(例如至少三個脈波)之後,狀態308表示FeFET的全邏輯1狀態。因為域中的每一者均獨立地切換,所以FeFET中的通道的導電率可以用對應的方式在非導電狀態與全導電狀態之間逐漸改變。導電率的此種改變可以使得在接收正/負輸入脈波以切換對應的域時,突觸的輸出也逐漸增加/減少。
圖3中的圖表312表示具有變化數量的域的FeFET的切換行為。訊號314表示隨著時間的推移逐漸接收脈波的多域FeFET。接收到的脈波的數量由水平軸線所表示,而FeFET的通道的生成的導電率由垂直軸線所表示。對於多域FeFET而言,每個接收到的脈波或脈波集合均在獨立的域切換時造成通道的導電率的步進增加。由訊號314所表示的FeFET可以包括至少六個域。曲線318表示理想響應,其可以藉由增加FeFET中的域的數量來近似。例如,隨著FeFET中的域的數量增加,訊號314的步長可以變得較小,且訊號314的整體形狀可以開始接近曲線318的形狀。圖表314因此繪示了可以如何使用多域FeFET來對突觸的類比輸出進行建模,該類比輸出與接收到的輸入脈波成比例地響應。
與由圖3中的多域FeFET所繪示的突觸行為相比,也可以使用較簡單的較小的FeFET元件來表示神經網路中的神經元行為。雖然圖3中未明確示出,但僅具有單個域的FeFET僅會具有單個切換事件。圖表312的訊號316示出單域FeFET可以如何響應複數個接收到的脈波。僅具有單個域的類似神經元的FeFET可以展現穩定邏輯狀態之間的單個切換事件,而不是在接收到脈波時切換個別的域。例如,在從表示突觸的較大的FeFET接收到足量的脈波時,表示神經元的較小的FeFET可以「發射」或在穩定狀態之間過渡。因此,FeFET不僅對於表示突觸行為而言有用,藉由限制元件中的域的數量,FeFET也可以用來表示神經元行為。
圖4繪示依據一些實施例可以用來實施人工神經元及突觸的鐵電鰭式場效電晶體(FinFET)400。FinFET 400是包括建造到基板408上的MOSFET的多閘極元件。將鰭片401製造在基板408的頂部上以形成電晶體的通道、源極406、及汲極404,而不是將電晶體的源極及汲極實施為基板408中摻雜的井。閘極402可以纏繞在由鰭片401所形成的通道周圍,以在導通/關斷電晶體時提供對通道更大的控制。與主流的CMOS技術相比,FinFET元件具有明顯較快的切換時間及較高的電流密度。
在此揭示內容的所有其餘部分內,可以使用圖4左下角的簡化圖來表示各種FinFET元件。然而,圖4右上角中的詳細圖420繪示可以沉積在FinFET 400的通道周圍的各種層的一個實施例。對於這些實施例而言,可以將鐵電材料添加(或與現有的高k材料交換)到FinFET 400的閘極以用作如上所述的神經元或突觸。例如,通道可以包括被閘極氧化物412及鐵電材料414環繞的未摻雜的矽鰭片401。可以接著將此鐵電結構製造為具有導電閘極材料408以產生極化鐵電材料414所需的電場。
可以使用與使用自對準雙圖案化技術製造標準邏輯FinFET類似的方法來製造鐵電FinFET 400,其中藉由沉積於基板上的膜層的沉積或反應來形成間隔物。蝕刻工序可以接著移除水平表面上的所有填充材料,從而僅在側壁上留下材料。在移除圖案特徵之後,僅留下間隔物。可以使用此間隔物技術來在基板上呈列地界定狹窄的鰭片。然而,與標準的FinFET製造工序不同,鐵電FinFET 400也可以包括鐵電高K沉積步驟及後蓋頂退火以穩定鐵電相。一些實施例可以使用與不同比率的矽、鋁、鑭、鋯、及/或HfO-ZrOx
組成混雜的固溶體。一些實施例也可以使用額外的退火工序來將鐵電相穩定在高K值內。在製造鐵電FinFET以實施人工突觸時,可以在製造工序的「產線後段(Back End of Line, BEoL)」部分中如下文所述地使用多個閘極之間的連接。
對於本文中所述的實施例而言,鐵電FinFET 400可以特別適於實施人工神經元及突觸。在與平坦的元件相比時,可以在鐵電材料414中實施鰭片401中的上述的域,以在大規模實施大量元件時提供顯著的改善。此外,閘極402的形狀可以產生更多的域,同時也減少這些域的尺寸。與其他元件相比,這可以導致鐵電FinFET元件的可變性改善。其也相對容易將額外的閘極添加到元件以對突觸進行建模,這提供了改善的調整元件的能力,且可以允許設計師在相同的矽結構上實施具有單個閘極的神經元以及具有多個閘極的突觸之間進行選擇。
圖4中所繪示的鐵電FinFET 400可以用來實施人工神經元。可以將單個閘極402設計為包括單個域,該單個域在閘極402接收到多個脈波之後切換。例如,可以使用鐵電FinFET 400來實施圖2中的人工神經元204中的一者。
圖5繪示依據一些實施例具有多個閘極結構的鐵電FinFET結構500的視圖。此鐵電FinFET結構500可以包括如圖4中所繪示的凸起的鰭片501。然而,單個鰭片501可以具有沉積於鰭片501上的多個閘極502、504、506、508。為了實施人工神經元,可以從多個閘極502、504、506、508選定單個閘極(例如閘極502)且將其連接到來自人工突觸的輸入。可以接著將單個閘極的任一側上的源極及汲極區域連接到神經元的輸出。
圖6繪示依據一些實施例用來實施人工突觸的具有多個閘極結構的相同鐵電FinFET結構500的視圖。可以將複數個閘極502、504、506、508使用電連接510來電連接在一起,而不是在鐵電FinFET結構500上僅使用單個閘極502。可以將圖6中所繪示的電連接510形成於與閘極502、504、506、508相同的沉積層中。如下文將描述的,也可以將此電連接510製作在閘極502、504、506、508的沉積層上方的金屬層中。也可以使用可配置的連接網路或透過系統級的可配置工序來製作此電連接510。
藉由使用電連接510將該複數個閘極502、504、506、508連接在一起,可以形成包括用於模擬突觸行為的如上所述的多個域的鐵電FinFET。具體而言,該複數個閘極可以形成複數個域,該複數個域中的每一者均可以響應於從上游的人工神經元接收到的輸入脈波獨立切換。
圖5及圖6中所繪示的鐵電FinFET可以使用相同的鰭片結構來實施神經元及突觸。因此,單個鰭片501可以具有多個閘極502、504、506、508,且彼等閘極502、504、506、508之間的連接可以界定鰭片501是否是人工神經元或人工突觸的一部分。
圖7繪示依據一些實施例具有多個鰭片的鐵電FinFET結構700。可以將複數個鰭片701、702、703形成於半導體元件或基板705上。可以將複數個閘極710、712、714形成在該複數個鰭片701、702、703周圍以基於可以在該複數個閘極710、712、714之間進行的變化的連接來形成複數個潛在的FinFET。在此實例中,可以使用鰭片701上的未連接到複數個其他閘極(例如閘極712、714)的閘極710來實施人工神經元。因此,在此實例中,三個鰭片701、702、703及三個閘極710、712、714可以形成三個個別的人工神經元。
圖8繪示依據一些實施例具有多個鰭片及多個閘極的鐵電FinFET結構800。此鐵電FinFET結構800與圖7的結構700類似,除了複數個閘極810、812、814中的每一者均可以電連接在一起以形成人工突觸以外。回憶一下,圖6中所形成的人工突觸使用單個鰭片501來形成人工突觸的多個域,該單個鰭片具有附接到單個鰭片501的多個閘極502、504、506、508。相比之下,圖8中所形成的人工突觸使用各自連接到多個鰭片801、802、803的多個閘極810、812、814。圖6使用多閘極FinFET來實施突觸,而圖8使用多通道FinFET來實施突觸。再次地,可以使用金屬層中的BEoL工序或使用可配置的系統級工序,藉由閘極沉積直接進行這些連接。圖8的多通道配置可以是有利的,因為與圖6的多閘極的單鰭片配置相比,它是高效的且不會造成神經元的可縮放訊號。
圖9繪示依據一些實施例的FinFET結構900,該FinFET結構包括在相同的技術節點中實施的複數個鰭片及複數個閘極。用語「技術節點」也可以稱為「工序節點」、「工序技術」、或單純稱為「節點」。此用語可以指具有特定設計規則、電路產生、及架構的特定半導體製造工序。FinFET結構900可以包括製造成列的鰭片,其中一或更多個閘極結構覆加在鰭片中的每一者上。圖9的實例包括每個鰭片上具有四個閘極的鰭片。然而,這僅繪示FinFET結構900的可能佈置的一個實例。其他結構可以包括每個鰭片上變化數量的閘極,其範圍從單個閘極到五個閘極、七個閘極、十個閘極、十五個閘極、及/或其中的任何範圍。例如,可以僅用單個閘極來實施一些鰭片,而可以用三個閘極、五個閘極等等來實施其他的鰭片,使得變化的閘極配置在相同的技術節點中可用。
使用鐵電FinFET結構的優點中的一者是,可以在可以遵循邏輯縮放的相同尖端技術節點中實施人工突觸及人工神經元。如上所述,與相對大尺寸的人工突觸相比,人工神經元的尺寸相對地小。回憶一下,人工突觸可能需要與元件的閘極/通道區域的較大物理尺寸對應的複數個物理域。在使用FinFET元件以外的技術時,因為人工神經元及人工突觸的尺寸不同,所以必須在不同的技術節點上實施人工神經元及人工突觸。然而,本文中所述的多閘極FinFET技術允許在相同的技術節點上實施人工神經元及人工突觸。一些實施例也可以使用包括FDSOI或標準的主體高K金屬技術的技術。
可以首先藉由將SOI的層沉積在矽基板的頂部上來製造FinFET結構900。接下來,可以將犠牲層(例如SiGe)的線性列沉積在SOI的頂部上到成對鰭片所應在之處之間的間隙。可以將掩模層(Si3
N4
的SiO2
)沉積於犠牲層及SOI的頂部上,且可以回向蝕刻掩模層以沿著犠牲層的邊緣形成間隔物。最後,可以移除犠牲層,且可以蝕刻掉SOI,使得僅保留掩模層下方的部分。此部分可以形成位於矽基板的頂部上的成對鰭片。接下來,可以將包括導電層及鐵電層的上述各種材料呈圖案地沉積在鰭片的頂部上以形成複數個未連接及/或連接的閘極。
圖9中所繪示的FinFET結構900表示一組原始鐵電FinFET電晶體,取決於如何將閘極連接在一起,可以將該等原始鐵電FinFET電晶體配置為神經元及突觸的網路。此組FinFET的製造在製造期間是高性價比的,因為可以使用相同的技術節點來建造整個結構。也可以將此結構與其他CMOS電路組合,並針對每個特定的應用依需要縮放大小。
將多個閘極連接在一起可以形成人工突觸,而在鰭片上使用單個閘極可以形成人工神經元。突觸可以是多通道(多個鰭片上有多個閘極)及/或多閘極(單個鰭片上有多個閘極)的。一些實施例可以藉由進行直接閘極沉積來將各種閘極連接在一起以形成神經元及突觸的網路。例如,也可以使用在FinFET結構900中的鰭片上沉積閘極的導電材料的相同工序來沉積將各種閘極連接在一起以形成人工突觸的導電跡線。也可以使用直接閘極沉積來將人工突觸及人工神經元連接在一起成神經網路。
圖10繪示依據一些實施例可以如何在FinFET結構900中在閘極沉積層上方的閘極之間進行連接。一些實施例可以在BEoL工序(例如金屬層)中在閘極之間添加連接以形成突觸及神經網路。在圖10的實例中,可以使用金屬層1010來對各種閘極之間的連接進行選路。例如,可以使用金屬層1010中的連接1002來在單個鰭片1018上將三個閘極1012、1014、1016連接在一起以形成突觸。可以透過複數個通孔1020、1022、1024將閘極1012、1014、1016連接到金屬層1010。由三個連接的閘極1012、1014、1016所形成的突觸可以表示如上所述的多閘極單鰭片人工突觸。
也可以使用相同的工序來使用複數個鰭片形成多通道突觸。例如,可以使用金屬層1010中的連接1006及一對通孔1048、1050將單獨的鰭片1040、1042上的多個閘極1044、1046連接在一起。這可以形成多通道突觸,其在某些實施例中可以是優選的。此外,可以藉由將單個閘極1060連接到金屬層1010中的連接1004來形成神經元。雖然圖10中未明確示出,但也可以在人工突觸與人工神經元之間在金屬層1010中建立額外的連接。此外,可以將FinFET的源極/汲極區域透過通孔連接到金屬層1010以完成神經網路。
在一些實施例中,金屬層1010中所繪示的連接可以替代地建立在系統級層中,使得可以在製造工序完成之後配置及/或重新配置FinFET結構900。例如,圖9及圖10中的FinFET結構900上的閘極中的每一者均可以具有通往系統級層的通孔連接。在一些實施例中,系統級層可以包括可配置的連接網路,例如現場可程式化邏輯閘陣列(FPGA)或其他可配置邏輯元件中發現的可配置網路。此選項允許藉由控制系統級層中的連接來配置及重新配置神經網路多次。一些實施例也可以將耦接到閘極中的每一者的通孔連接到可程式化處理器(例如微控制器或微處理器)的輸入。這些實施例允許在運行期配置及重新配置神經網路中的連接。
圖11繪示依據一些實施例用於在半導體元件上一起實施人工神經元及突觸的網路的方法的流程圖1100。該方法可以包括以下步驟:在半導體元件上形成複數個鰭片(1102)。可以使用上述的工序來形成鰭片。可以在單個技術節點中將鰭片形成於單個矽基板上。一些實施例可以形成鰭片,使得它們具有均勻的寬度及/或均勻的間隔。半導體元件可以包括矽基板,其中如上所示,該複數個鰭片中的每一者均在矽基板上被形成為垂直的脊。鰭片可以是任何的寬度,例如10 nm寬。
該方法也可以包括以下步驟:在該複數個鰭片周圍形成複數個閘極以形成複數個FinFET元件(1104)。FinFET元件也可以包括鐵電材料的層以形成鐵電FinFET。如圖10中所繪示,可以將該複數個閘極形成為使得在單個鰭片上形成多個閘極,及使得在單個鰭片上形成單個閘極。
該方法也可以包括以下步驟:在該複數個閘極中將閘極連接在一起以形成人工神經元及/或人工突觸(1106)。例如,可以藉由將單個鰭片上的複數個閘極連接在一起來形成人工突觸。也可以藉由將複數個鰭片上的複數個閘極連接在一起來形成人工突觸。可以將人工突觸與人工神經元之間的連接及用來形成人工突觸的連接形成於如上所述的閘極沉積層、金屬層、或系統級層中。這些連接也可以包括神經元與突觸之間的連接以形成神經網路。在神經網路形成時,可以將人工神經元配置為在如上所述地在導電狀態之間切換之前接收複數個訊號脈波。類似地,可以將人工突觸配置為接收複數個訊號脈波,該複數個訊號脈波相繼使得突觸內個別的域在導電狀態之間切換。
應理解,圖11中所繪示的具體步驟提供了依據各種實施例實施人工神經元及人工突觸的特定方法。也可以依據替代性實施例執行其他的步驟序列。例如,替代性實施例可以用不同的順序執行上文所概述的步驟。並且,圖11中所繪示的個別步驟可以包括多個子步驟,該等子步驟可以用適合於個別步驟的各種序列執行。並且,可以取決於特定的應用而添加或移除額外的步驟。本領域中的技術人員會認識到許多變型、變體、及替代方案。
在前述說明中,出於解釋的目的,闡述了許多具體的細節以提供對各種實施例的透徹瞭解。然而,本領域中的技術人員將理解,可以在沒有這些具體細節中的一些的情況下實行實施例。在其他的情況下,用方塊圖的形式示出眾所周知的結構及元件。
前述說明僅提供了示例性實施例,且不意在限制本揭示內容的範圍、可適用性、或配置。而是,示例實施例的前述說明將把用於實施示例實施例的促成說明提供給本領域中的技術人員。應瞭解,在不脫離如隨附請求項中所闡述的各種實施例的精神及範圍的情況下,可以對構件的功能及佈置作出各種改變。
在前述說明中給定了具體的細節以提供對實施例的透徹瞭解。然而,本領域中的技術人員將瞭解,可以在沒有這些具體細節的情況下實行實施例。例如,可能將電路、系統、網路、過程、及其他部件用方塊圖的形式示為部件以便不會用不必要的細節使實施例模糊。在其他的情況下,可能在沒有不必要的細節的情況下示出眾所周知的電路、過程、演算法、結構、及技術以避免使實施例模糊。
並且,應注意,可能將個別的實施例描述為過程,該過程被描繪為流程圖、資料流程圖、結構圖、或方塊圖。雖然流程圖可能將操作描述為順序的過程,但也可以平行或並行地執行許多操作。此外,可以重新佈置操作的順序。在過程的操作完成時,過程終止,但可以具有不包括在圖式中的額外步驟。過程可以與方法、函數、程序、子常式、子程式等等對應。在過程與函數對應時,過程的終止可以與該函數向呼叫函數或主函數進行回傳對應。
在前述的說明書中,參照具體實施例描述了各種實施例的方面,但本領域中的技術人員將認識到,本發明不限於此。可以個別地或共同地使用上述實施例的各種特徵及方面。進一步地,在不脫離本說明書的較廣精神及範圍的情況下,可以在本文中所述的彼等環境及應用之外的任何數量的環境及應用中利用實施例。因此,要將本說明書及附圖認為是說明性而不是限制性的。
100:神經網路
102:輸入
110:突觸
206:輸入
302:FeFET狀態
304:FeFET狀態
306:FeFET狀態
308:FeFET狀態
310:遲滯圖
312:圖表
314:訊號
316:訊號
318:曲線
400:鰭式場效電晶體(FinFET)
401:鰭片
402:閘極
404:汲極
406:源極
408:基板
412:閘極氧化物
414:鐵電材料
420:詳細圖
500:鐵電FinFET結構
501:鰭片
502:閘極
504:閘極
506:閘極
508:閘極
510:電連接
700:鐵電FinFET結構
701:鰭片
702:鰭片
703:鰭片
705:基板
710:閘極
712:閘極
714:閘極
800:鐵電FinFET結構
801:鰭片
802:鰭片
803:鰭片
810:閘極
812:閘極
814:閘極
900:FinFET結構
1002:連接
1004:連接
1006:連接
1010:金屬層
1012:閘極
1014:閘極
1016:閘極
1018:鰭片
1020:通孔
1022:通孔
1024:通孔
1040:鰭片
1042:鰭片
1044:閘極
1046:閘極
1048:通孔
1050:通孔
1060:閘極
1100:流程圖
1102:步驟
1104:步驟
1106:步驟
108a:輸出
108b:輸出
可以藉由參照本說明書的其餘部分及附圖來實現對各種實施例的本質及優點的進一步瞭解,其中在所有附圖內使用類似的參考標號來指稱類似的部件。在一些情況下,子標籤與參考標號相關聯以指示多個類似部件中的一者。在不指定的情況下參照參考標號時,
圖1繪示依據一些實施例的神經網路的一部分的圖解。
圖2繪示依據一些實施例的實施神經網路的電路網路。
圖3繪示依據一些實施例的取決於電晶體面積的鐵電場效電晶體FeFET的切換循環。
圖4繪示依據一些實施例可以用來實施人工神經元及突觸的鐵電鰭式場效電晶體(FinFET)。
圖5繪示依據一些實施例具有多個閘極結構的鐵電FinFET結構的視圖。
圖6繪示依據一些實施例用來實施人工突觸的具有多個閘極結構的相同鐵電FinFET結構的視圖。
圖7繪示依據一些實施例具有多個鰭片的鐵電FinFET結構。
圖8繪示依據一些實施例具有多個鰭片及多個閘極的鐵電FinFET結構。
圖9繪示依據一些實施例的FinFET結構,該FinFET結構包括在相同的技術節點中實施的複數個鰭片及複數個閘極。
圖10繪示依據一些實施例可以如何在FinFET結構900中在閘極沉積層上方的閘極之間進行連接。
圖11繪示依據一些實施例用於在半導體元件上一起實施人工神經元及突觸的網路的方法的流程圖。
國內寄存資訊(請依寄存機構、日期、號碼順序註記)
無
國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記)
無
900:FinFET結構
1002:連接
1004:連接
1006:連接
1010:金屬層
1012:閘極
1014:閘極
1016:閘極
1018:鰭片
1020:通孔
1022:通孔
1024:通孔
1040:鰭片
1042:鰭片
1044:閘極
1046:閘極
1048:通孔
1050:通孔
1060:閘極
Claims (20)
- 一種半導體元件,在該半導體元件上一起實施人工神經元及突觸,該半導體元件包括: 複數個鰭片,形成於該半導體元件上; 複數個閘極,形成在該複數個鰭片周圍,以形成複數個鰭式場效電晶體(FinFET),其中: 該複數個FinFET包括一或更多個人工突觸及一或更多個人工神經元; 該一或更多個人工突觸中的每一者均包括該複數個閘極中的二或更多者;及 該一或更多個人工神經元中的每一者均包括該複數個閘極中的一者。
- 如請求項1所述的半導體元件,更包括: 一或更多個連接,介於該複數個閘極之間,其中該一或更多個連接形成一或更多個人工突觸及一或更多個人工神經元的一網路。
- 如請求項2所述的半導體元件,其中在閘極沉積之後直接實施該複數個閘極之間的該一或更多個連接。
- 如請求項2所述的半導體元件,其中在該半導體元件的一金屬層中實施該複數個閘極之間的該一或更多個連接。
- 如請求項1所述的半導體元件,其中: 該複數個鰭片包括一第一鰭片; 該複數個閘極包括一第一複數個閘極;及 該第一複數個閘極形成在該第一鰭片上以形成該複數個人工突觸中的一單個人工突觸。
- 如請求項1所述的半導體元件,其中: 該複數個鰭片包括一第一複數個鰭片; 該複數個閘極包括一第一閘極;及 該第一閘極形成在該第一複數個鰭片上以形成該複數個人工突觸中的一者的至少一部分。
- 如請求項1所述的半導體元件,其中該半導體元件包括一矽基板,且該複數個鰭片中的每一者均在該矽基板中被形成為一垂直的脊。
- 如請求項1所述的半導體元件,其中該複數個FinFET包括複數個鐵電FinFET。
- 如請求項1所述的半導體元件,其中在該半導體元件上用均勻的一圖案形成該複數個鰭片,使得該複數個鰭片中的每一者均可以用於一人工神經元或一人工突觸。
- 如請求項1所述的半導體元件,其中該複數個鰭片中的每一者均被形成為具有均勻的一寬度。
- 一種在一半導體元件上一起實施人工神經元及突觸的方法,該方法包括以下步驟: 將複數個鰭片形成於該半導體元件上; 將複數個閘極形成在該複數個鰭片周圍,以形成複數個鰭式場效電晶體(FinFET),其中: 該複數個FinFET包括一或更多個人工突觸及一或更多個人工神經元; 該一或更多個人工突觸中的每一者均包括該複數個閘極中的二或更多者;及 該一或更多個人工神經元中的每一者均包括該複數個閘極中的一者。
- 如請求項11所述的方法,更包括以下步驟:將一或更多個連接建立在該複數個閘極之間,其中該一或更多個連接形成一或更多個人工突觸及一或更多個人工神經元的一網路。
- 如請求項12所述的方法,其中在製造該半導體元件之後在一系統級中建立該一或更多個連接。
- 如請求項12所述的方法,其中在製造該半導體元件之後在一軟體級中建立該一或更多個連接。
- 如請求項11所述的方法,其中該一或更多個人工神經元中的每一者均被配置為在導電率狀態之間切換之前接收複數個訊號脈波。
- 如請求項11所述的方法,其中該一或更多個人工突觸中的每一者均被配置為接收複數個訊號脈波,該複數個訊號脈波中的每一者均造成相應的域在導電率狀態之間切換。
- 如請求項11所述的方法,其中該複數個鰭片中的每一者為約10 nm寬。
- 如請求項11所述的方法,其中將該複數個鰭片及該複數個閘極形成於複數個離散區域中作為神經元,且連接該複數個離散區域中的多個離散區域以形成突觸。
- 如請求項11所述的方法,其中在相同的一技術節點中形成該複數個鰭片及該複數個閘極。
- 如請求項11所述的方法,更包括以下步驟:在該半導體元件上形成一或更多個互補金屬氧化物矽(CMOS)電路。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/530,714 US20210034953A1 (en) | 2019-08-02 | 2019-08-02 | Reconfigurable finfet-based artificial neuron and synapse devices |
US16/530,714 | 2019-08-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202119552A true TW202119552A (zh) | 2021-05-16 |
TWI785356B TWI785356B (zh) | 2022-12-01 |
Family
ID=74260485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109125707A TWI785356B (zh) | 2019-08-02 | 2020-07-30 | 可重新配置的基於finfet的人工神經元及突觸設備 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210034953A1 (zh) |
EP (1) | EP4008024A4 (zh) |
JP (1) | JP7483858B2 (zh) |
KR (1) | KR20220047583A (zh) |
CN (1) | CN114258589A (zh) |
TW (1) | TWI785356B (zh) |
WO (1) | WO2021025891A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11923458B2 (en) | 2021-06-02 | 2024-03-05 | International Business Machines Corporation | FeFET with double gate structure |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3735855B2 (ja) * | 2000-02-17 | 2006-01-18 | 日本電気株式会社 | 半導体集積回路装置およびその駆動方法 |
JP4791868B2 (ja) * | 2006-03-28 | 2011-10-12 | 株式会社東芝 | Fin−NAND型フラッシュメモリ |
FR2977350B1 (fr) * | 2011-06-30 | 2013-07-19 | Commissariat Energie Atomique | Reseau de neurones artificiels a base de dispositifs memristifs complementaires |
US8582352B2 (en) * | 2011-12-06 | 2013-11-12 | Taiwan Semiconductor Manufacturing Company, Ltd. | Methods and apparatus for FinFET SRAM cells |
US9305797B2 (en) * | 2013-01-17 | 2016-04-05 | Applied Materials, Inc. | Polysilicon over-etch using hydrogen diluted plasma for three-dimensional gate etch |
US8719759B1 (en) * | 2013-02-27 | 2014-05-06 | Taiwan Semiconductor Manufacturing Co., Ltd. | Area optimized series gate layout structure for FINFET array |
JP5858020B2 (ja) * | 2013-10-03 | 2016-02-10 | 株式会社デンソー | 群情報記憶認識装置 |
WO2017037568A1 (en) * | 2015-08-31 | 2017-03-09 | Semiconductor Energy Laboratory Co., Ltd. | Semiconductor device or electronic device including the semiconductor device |
US10614355B2 (en) * | 2015-12-30 | 2020-04-07 | SK Hynix Inc. | Method for updating weights of synapses of a neuromorphic device |
US10892330B2 (en) * | 2016-07-06 | 2021-01-12 | International Business Machines Corporation | FET based synapse network |
CN106779492A (zh) * | 2017-01-20 | 2017-05-31 | 石家庄铁道大学 | 一种城市道路网络资产评估方法 |
WO2018138603A1 (en) * | 2017-01-26 | 2018-08-02 | Semiconductor Energy Laboratory Co., Ltd. | Semiconductor device and electronic device including the semiconductor device |
US11461620B2 (en) * | 2017-07-05 | 2022-10-04 | Samsung Electronics Co., Ltd. | Multi-bit, SoC-compatible neuromorphic weight cell using ferroelectric FETs |
US10580492B2 (en) * | 2017-09-15 | 2020-03-03 | Silicon Storage Technology, Inc. | System and method for implementing configurable convoluted neural networks with flash memories |
WO2019066959A1 (en) * | 2017-09-29 | 2019-04-04 | Intel Corporation | FERROELECTRIC NEURONS AND SYNAPES |
US11182664B2 (en) * | 2017-10-10 | 2021-11-23 | Fu-Chang Hsu | Configurable three-dimensional neural network array |
US11222259B2 (en) * | 2017-12-13 | 2022-01-11 | International Business Machines Corporation | Counter based resistive processing unit for programmable and reconfigurable artificial-neural-networks |
US10374041B2 (en) * | 2017-12-21 | 2019-08-06 | International Business Machines Corporation | Field effect transistor with controllable resistance |
US10963776B2 (en) * | 2018-08-24 | 2021-03-30 | Namlab Ggmbh | Artificial neuron based on ferroelectric circuit element |
-
2019
- 2019-08-02 US US16/530,714 patent/US20210034953A1/en active Pending
-
2020
- 2020-07-28 WO PCT/US2020/043796 patent/WO2021025891A1/en unknown
- 2020-07-28 CN CN202080058772.4A patent/CN114258589A/zh active Pending
- 2020-07-28 EP EP20850352.4A patent/EP4008024A4/en active Pending
- 2020-07-28 JP JP2022506366A patent/JP7483858B2/ja active Active
- 2020-07-28 KR KR1020227006645A patent/KR20220047583A/ko not_active Application Discontinuation
- 2020-07-30 TW TW109125707A patent/TWI785356B/zh active
Also Published As
Publication number | Publication date |
---|---|
US20210034953A1 (en) | 2021-02-04 |
TWI785356B (zh) | 2022-12-01 |
EP4008024A4 (en) | 2023-08-23 |
JP2022542432A (ja) | 2022-10-03 |
WO2021025891A1 (en) | 2021-02-11 |
CN114258589A (zh) | 2022-03-29 |
JP7483858B2 (ja) | 2024-05-15 |
KR20220047583A (ko) | 2022-04-18 |
EP4008024A1 (en) | 2022-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7355393B2 (ja) | 半導体デバイスを形成する方法および半導体デバイス | |
Choi et al. | A self-rectifying TaO y/nanoporous TaO x memristor synaptic array for learning and energy-efficient neuromorphic systems | |
US11875249B2 (en) | Counter based resistive processing unit for programmable and reconfigurable artificial-neural-networks | |
Kaneko et al. | Ferroelectric artificial synapses for recognition of a multishaded image | |
US9379319B2 (en) | Nonvolatile memory transistor and device including the same | |
JP4827926B2 (ja) | ナノスケールシフトレジスタ及びマイクロスケール/ナノスケールシフトレジスタを用いる信号逆多重化 | |
JP7288047B2 (ja) | アナログ・クロスポイント・アレイにおいて対称点をゼロ重み点として一致させるためのアライメント方法、そのベクトル行列 | |
US11114161B2 (en) | Phase change device configured to modify a plurality of reconfigurable layer regions among a plurality of contacts | |
US11741352B2 (en) | Area and power efficient implementation of resistive processing units using complementary metal oxide semiconductor technology | |
TWI785356B (zh) | 可重新配置的基於finfet的人工神經元及突觸設備 | |
US11699721B2 (en) | Integrate-and-fire neuron circuit using single-gated feedback field-effect transistor | |
US11121259B2 (en) | Metal-oxide-based neuromorphic device | |
KR102255309B1 (ko) | 3차원 구조의 인공 뉴런 반도체 소자 및 이를 이용한 인공 뉴런 반도체 시스템 | |
US10832773B1 (en) | Architecture for enabling zero value shifting | |
Zhu et al. | CMOS-compatible neuromorphic devices for neuromorphic perception and computing: a review | |
CN109948792B (zh) | 一种基于晶体管和忆阻器的模拟联想学习电路及控制方法 | |
US20190251430A1 (en) | Mixed signal cmos rpu with digital weight storage | |
CN109346599A (zh) | 多铁隧道结忆阻器及其制作方法 | |
Mullins | Memristor minds | |
US12026609B2 (en) | Area and power efficient implementation of resistive processing units using complementary metal oxide semiconductor technology | |
KR20240000786A (ko) | 시냅스 소자와 이를 포함하는 뉴로모픽 소자 및 이들의 동작 방법 | |
Rathore | CMOS-Memristive Neuromorphic Architecture for Nonlinear Signal Processing | |
CN115939196A (zh) | 一种具有功能可重构的神经形态晶体管及其制备方法 | |
CN118136714A (zh) | 基于二维材料异质结的多信号触发突触器件的制备方法 | |
CN114843345A (zh) | 神经元晶体管及其制备方法 |