近日,我国清华系、中国科学院两大团队在新型芯片上有重大突破,清华大学团队在4月发布的太极I光芯片基础上再突破,太极-Ⅱ光芯片面世;中国科学院上海微系统与信息技术研究所研究团队则开发出面向二维集成电路的单晶氧化铝栅介质材料,即使在厚度仅为1纳米时,也能有效阻止电流泄漏。
清华“太极-Ⅱ”光芯片面世
清华大学8月8日发布消息,清华大学电子工程系方璐教授课题组和自动化系戴琼海院士课题组首创了全前向智能光计算训练架构,研制了“太极-II”光训练芯片,实现了光计算系统大规模神经网络的高效精准训练。该研究成果以“光神经网络全前向训练”为题于北京时间8月7日晚在线发表于《自然》期刊。
在模型训练中,现有的光神经网络训练严重依赖GPU进行离线建模并且要求物理系统精准对齐,导致光学训练的规模受到了极大的限制,光高性能计算的优势无法发挥。面对该困境,方璐、戴琼海课题组创新“光子传播对称性”方法,将神经网络训练中的前向与反向传播都等效为光的前向传播。
据论文第一作者、电子系博士生薛智威介绍,在太极-II架构下,梯度下降中的反向传播化为了光学系统的前向传播,光学神经网络的训练利用数据-误差两次前向传播即可实现。两次前向传播具备天然的对齐特性,保障了物理梯度的精确计算。如此实现的训练精度高,便能够支撑大规模的网络训练。
全前向智能光计算训练架构
由于不需要进行反向传播,太极-II架构不再依赖电计算进行离线的建模与训练,大规模神经网络的精准高效光训练终于得以实现。
该论文研究表明,太极-II能够对多种不同光学系统进行训练,并在各种任务下均表现出了卓越的性能。
大规模学习领域:突破了计算精度与效率的矛盾,将数百万参数的光网络训练速度提升了1个数量级,代表性智能分类任务的准确率提升40%。
复杂场景智能成像:弱光环境下(每像素光强度仅为亚光子)实现了能量效率为5.40×10^6 TOPS/W的全光处理,系统级能效提升6个数量级。在非视域场景下实现了千赫兹帧率的智能成像,效率提升2个数量级。
拓扑光子学领域:在不依赖任何模型先验下可自动搜索非厄米奇异点,为高效精准解析复杂拓扑系统提供了新思路。
今年4月发布的太极I具备879 T MACS/mm2的面积效率与160 TOPS/W的能量效率,首次赋能光计算实现自然场景千类对象识别、跨模态内容生成等人工智能复杂任务。太极-II的面世是继太极I芯片之后的一大突破,进一步揭示了智能光计算的巨大潜力。如两仪分立,太极I和II分别实现了高能效AI推理与训练;又如两仪调和,太极I和II共同构成了大规模智能计算的完整生命周期。
在原理样片的基础上,研究团队正积极地向智能光芯片产业化迈进,在多种端侧智能系统上进行了应用部署。智能光计算平台将有望以更低的资源消耗和更小的边际成本,为人工智能大模型、通用人工智能、复杂智能系统的高速高能效计算开辟新路径。
中科院团队开发出面向新型芯片的绝缘材料
作为组成芯片的基本元件,晶体管的尺寸随着芯片缩小不断接近物理极限,其中发挥着绝缘作用的栅介质材料十分关键。
近日,中国科学院上海微系统与信息技术研究所研究员狄增峰团队开发出面向二维集成电路的单晶氧化铝栅介质材料——人造蓝宝石,这种材料具有卓越的绝缘性能,即使在厚度仅为1纳米时,也能有效阻止电流泄漏。该研究员团队在Nature期刊发表题为“Single-crystalline metal-oxide dielectrics for top-gate 2D transistors”的研究论文,团队成员曾道兵博士为论文第一作者,田子傲研究员、狄增峰研究员为论文共同通讯作者。
狄增峰表示,二维集成电路是一种新型芯片,用厚度仅为1个或几个原子层的二维半导体材料构建,有望突破传统芯片的物理极限。但由于缺少与之匹配的高质量栅介质材料,其实际性能与理论相比尚存较大差异。
传统的栅介质材料在厚度减小到纳米级别时,绝缘性能会下降,进而导致电流泄漏,增加芯片的能耗和发热量。为应对该难题,团队创新开发出原位插层氧化技术。
原位插层氧化技术的核心在于精准控制氧原子一层一层有序嵌入金属元素的晶格中,传统氧化铝材料通常呈无序结构,这会导致其在极薄层面上的绝缘性能大幅下降。中国科学院上海微系统与信息技术研究所研究员田子傲表示。
具体来看,团队首先以锗基石墨烯晶圆作为预沉积衬底生长单晶金属铝,利用石墨烯与单晶金属铝之间较弱的范德华作用力,实现4英寸单晶金属铝晶圆无损剥离,剥离后单晶金属铝表面呈现无缺陷的原子级平整。随后,在极低的氧气氛围下,氧原子逐层嵌入单晶金属铝表面的晶格中,最终得到稳定、化学计量比准确、原子级厚度均匀的氧化铝薄膜晶圆。
狄增峰介绍,团队成功以单晶氧化铝为栅介质材料制备出低功耗的晶体管阵列,晶体管阵列具有良好的性能一致性。晶体管的击穿场强、栅漏电流、界面态密度等指标均满足国际器件与系统路线图对未来低功耗芯片的要求,有望启发业界发展新一代栅介质材料。
封面图片来源:拍信网