image: Researchers from the Institute of Industrial Science at The University of Tokyo, Kobe Steel, Ltd, and Kobelco Research Institute, Inc, develop high-density, energy-efficient 3D embedded RAM for artificial intelligence applications. view more
Credit: Institute of Industrial Science, the University of Tokyo
東京大学 生産技術研究所の小林 正治 准教授らは、神戸製鋼所およびコベルコ科研と共同で、Snを添加した酸化物半導体IGZOを用いたトランジスタと強誘電体HfO2キャパシタを集積し、プロセッサの集積回路の配線層に混載可能なメモリデバイス技術の開発に成功しました。
大量のデータを用いる機械学習アルゴリズムには大容量のメモリとプロセッサ－メモリ間の効率的なデータ伝送が必要となります。しかし、現在メインメモリはプロセッサとは別チップで実装されており、チップ間のデータの伝送効率が十分でなく、機械学習の計算処理を律速しています。これをフォンノイマンボトルネックと呼びます。大容量のメモリと高効率なデータ伝送を両立するためには、プロセッサの集積回路の配線層に直接、三次元集積可能な混載メモリデバイスが有効な解決策となります。
そこで本研究では、Snを添加したIGZO材料（IGZTO）を用いたトランジスタと強誘電体HfO2キャパシタを４００℃以下の低温プロセスで同時集積したメモリデバイスを開発しました。IGZTOを用いたトランジスタは従来のIGZOを用いたトランジスタに比べて移動度が２倍以上高く、また正バイアスストレス安定性を大幅に向上させた信頼性の高いトランジスタです。またIGZTOをキャップ材料とすることでHfO2材料は４００℃でも強誘電相の結晶化が可能となりました。これによりプロセッサの配線層上に三次元集積できる大容量メモリが実現可能となり、プロセッサの直上に直接配線できることからデータ伝送効率も向上し、機械学習の高エネルギー効率な実行が可能となりました。
本成果は機械学習を高いエネルギー効率で計算することを可能にし、エッジデバイスで高度な人工知能計算を行うことで、ビッグデータに基づく社会サービスの飛躍的な向上が期待されます。
###