铁电存储器同时实现随机采样与稳定计算

韩国首尔国立大学科学家研制出一种新型人工智能（AI）半导体技术，首次在基于铁电存储器的单一器件平台上，实现了生成式AI的两大核心能力——随机采样与稳定计算。相关论文发表于最新一期《自然·通讯》杂志。

要在半导体芯片上直接实现生成式AI非常困难，因为传统AI芯片普遍面向稳定、确定性的计算（如分类与推理）进行优化，而生成式AI模型还须对潜在空间进行随机采样。

过往的AI芯片常常把随机采样与稳定计算交由不同器件或外部软件处理，这不仅增加了芯片面积、布线复杂度、功耗和时延，也让整体系统显得臃肿。此外，同时实现这两种功能的单一存储硬件平台，还要与传统互补金属氧化物半导体（CMOS）制造工艺兼容并易于扩展，更是难上加难。

为破解这些难题，团队巧妙利用了基于氧化铪的铁电存储器所特有的电压依赖性——其电状态随施加电压的不同而不同。较高电压下，该器件涌现出强烈的随机电报噪声（RTN），恰可用来实现充满不确定性的随机采样；较低电压下，RTN被抑制，器件转而依托非易失多级电导态，实现稳定可靠的矢量—矩阵乘法计算。由此，随机性与稳定性这对看似矛盾的品质，在同一块铁电存储阵列中“珠联璧合”。

团队利用在15厘米晶圆上制造的铁电存储器阵列，对这一理念进行了验证。通过精心调节电压与采样时间，优化潜在向量分布，他们将该系统应用于变分自编码器，并借助人脸数据集生成图像。结果表明，系统能自然生成折射不同面部特征的图像，而且，即便经历约10万次重复操作，生成性能依然稳定。

团队表示，这项研究堪称生成式AI硬件发展领域的重要里程碑，因为它首次证明，两个长久以来彼此分离的功能，能在一个与CMOS工艺兼容的铁电存储器平台上实现。这一AI半导体技术有望提升片上生成式AI加速器、神经形态系统以及低功耗边缘AI芯片等应用的效率并降低能耗。