公众号记得加星标⭐️，第一时间看推送不会错过。
人们正在寻找能够突破人工智能长期存在的“内存墙”的方法——即使是快速模型也会因处理器和内存之间数据传输所需的时间和能量而运行缓慢。电阻式随机存取存储器（RRAM）可以通过允许计算在内存本身进行来绕过这一障碍。然而，大多数类型的非易失性存储器都过于不稳定和笨重，无法用于此目的。
幸运的是，可能已经有了解决方案。在12月的IEEE国际电子器件会议（IEDM）上，加州大学圣地亚哥分校的研究人员展示了他们可以在一种全新的RRAM上运行学习算法。
“我们实际上重新设计了 RRAM，彻底重新思考了它的开关方式，”领导这项工作的加州大学圣地亚哥分校电气工程师杜伊古·库祖姆 (Duygu Kuzum)说。
RRAM 将数据存储为对电流流动的电阻值。神经网络中的关键数字运算——将数字数组相乘然后将结果相加——可以通过模拟方式轻松实现：只需让电流流过 RRAM 单元阵列，连接它们的输出，然后测量产生的电流即可。
传统上，RRAM 通过在介电材料的高电阻环境中形成低电阻细丝来存储数据。形成这些细丝通常需要过高的电压，超出了标准CMOS 工艺的承受范围，从而阻碍了其在处理器中的集成。更糟糕的是，形成细丝的过程充满噪声且具有随机性，并非理想的数据存储方式。（想象一下神经网络的权重随机漂移，同一个问题的答案每天都会发生变化。）
此外，大多数基于细丝的 RRAM 单元的噪声特性意味着它们必须与周围的电路隔离，通常使用选择晶体管，这使得3D 堆叠变得困难。
诸如此类的局限性意味着传统RRAM并不适合计算。库祖姆指出，特别是对于当今神经网络至关重要的并行矩阵运算而言，使用丝状RRAM非常困难。
因此，圣地亚哥的研究人员决定完全摒弃细丝。他们转而开发出能够将整个层电阻在高阻和低阻之间切换的器件。这种被称为“体电阻式随机存取存储器（RRAM）”的结构，既省去了繁琐的高压细丝形成步骤，也避免了对器件几何形状的限制。
用于机器学习的3D 内存
圣地亚哥的研究团队并非首个制造出体硅RRAM器件的团队，但他们在缩小器件尺寸和构建三维电路方面都取得了突破性进展。库祖姆及其同事将RRAM缩小到纳米级，他们的器件尺寸仅为40纳米。他们还成功地将体硅RRAM堆叠成多达八层。
只需施加一个相同的电压脉冲，即可使八层堆叠的单元实现 64 种不同的电阻值，这是传统丝状 RRAM 很难实现的。而且，大多数基于丝状结构的单元电阻值都限制在千欧级，而圣地亚哥的这种堆叠单元的电阻值则达到了兆欧级，Kuzum 表示这更有利于并行运算。
“我们实际上可以把它调整到任何我们想要的数值，但我们认为从集成和系统级仿真的角度来看，兆欧姆是理想的范围，”库祖姆说。
这两个优点——更多的电阻级和更高的电阻——使得这种大容量 RRAM 堆叠能够执行比传统 RRAM 更复杂的操作。
库祖姆及其同事将多个八层堆叠结构组装成一个1千字节的阵列，该阵列无需选择器。然后，他们使用持续学习算法对该阵列进行测试：让芯片对来自可穿戴传感器的数据进行分类——例如，读取佩戴在腰间的智能手机的数据，以确定佩戴者是坐着、走路、爬楼梯还是在进行其他动作——同时不断添加新数据。测试结果显示准确率达到90%，研究人员表示，这与数字实现的神经网络的性能相当。
这项测试体现了 Kuzum 认为大容量 RRAM 可以特别受益的应用场景：边缘设备上的神经网络模型，这些模型可能需要在不访问云端的情况下从其环境中学习。
“我们正在进行大量的表征和材料优化工作，以设计一款专门为人工智能应用而设计的设备，”库祖姆说。
加州利弗莫尔桑迪亚国家实验室的材料科学家阿尔伯特·塔林（Albert Talin ）表示，将RRAM集成到这样的阵列中是一项重大进步。塔林是一位块状RRAM研究员，但他并未参与圣地亚哥团队的工作。他说：“我认为任何集成方面的进步都非常有用。”
但塔林指出了一个潜在的障碍：数据长期保存能力。虽然圣地亚哥的研究团队证明他们的RRAM在室温下可以保存数据数年（与闪存相当），但塔林表示，在计算机实际运行的高温环境下，RRAM的数据保存能力尚不确定。“这是这项技术面临的主要挑战之一，”他说道，尤其是在边缘应用领域。
如果工程师能够验证这项技术，那么所有类型的模型都可能从中受益。近十年来，内存瓶颈日益凸显，因为传统内存已无法满足大型模型不断增长的需求。任何能够让模型直接在内存上运行的技术都可能成为一条捷径。
https://spectrum.ieee.org/ai-and-memory-wall?utm_source=homepage&utm_medium=hero&utm_campaign=hero-2026-02-09&utm_content=hero3
（来源：编译自IEEE）
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第4314期内容，欢迎关注。
加星标⭐️第一时间看推送
求推荐
鑫耀证劵提示：文章来自网络，不代表本站观点。
