2020年北京大学微纳电子学系研究团队克服新冠疫情带来的影响，立足基础前沿研究，在神经网络硬件、先进逻辑器件、智能传感器等多个领域取得丰硕成果，并在第66届国际电子器件大会(IEDM)上报道了多个重要研究进展。
人工神经网络在社会各个领域都有广泛的应用。高效快速训练对于其进一步发展和应用意义重大，但传统误差回传算法（BP）存在耗时长、能耗大等问题。针对该问题，微纳电子学系杨玉超研究员、黄如教授团队提出了一种基于相变存储器（PCM）的高效人工神经网络训练系统。该系统利用PCM电导状态的内在随机性作为随机源，以存内计算方式产生用于训练的随机权重，对训练算法的有效简化提升了软硬件间的兼容性，多层次的优化策略有效降低了整个系统的硬件代价。该系统成功应用到大型卷积神经网络VGG-16的训练过程中，并且在CIFAR-10数据集上取得了超过90%的识别正确率，达到了与传统训练算法相当的水平，并将训练时间、能耗降低3倍以上。研究成果不仅推动了存内计算的进一步发展，也为人工神经网络在终端智能硬件平台上的片上训练及应用提供了新的方向。
图1 基于PCM的神经网络高效在线训练系统
超薄沟道宽禁带氧化物半导体具备优越的短沟道效应抑制能力，国际上在三元氧化物IGZO晶体管上已经开展了多年相关的研究，但其非晶态迁移率非常低，不适于逻辑器件应用。针对该问题，微纳电子学系吴燕庆研究员、黄如教授团队另辟蹊径，在二元氧化物ITO（氧化铟锡）上克服了其载流子浓度大的问题，成功实现了从类金属态的高导电特性到宽禁带半导体的高绝缘特性转变，在厚度为3.5nm的ITO薄膜上成功制备了当前最小尺寸10nm沟长的高性能超薄ITO晶体管。在1V工作电压下，其开态电流超过1860μA/μm，关态电流小于40 fA/μm，开关比为1010，跨导超过1000μS/μm，性能远超同类器件，为国际报道最高纪录。该技术工艺温度低于200oC，与硅基CMOS集成电路后道工艺兼容，可用于未来三维集成技术。
图2 高性能低功耗氧化物半导体逻辑器件
多模态感知是智慧物联网（AIoT）技术的发展趋势，现有方法存在异构界面不稳定、集成密度低、信号冗余串扰等问题，多协同、高精度、低功耗以及CMOS工艺兼容的先进感知技术成为重要研究方向之一。微纳电子学系贺明研究员、黎明研究员、黄如教授团队基于新型铋氧硒半导体薄膜，成功制备了高性能晶体管型单传感层多模态传感器件，实现对温度、光电、辐射热的同步高精度传感，其中温度分辨率达到毫开尔文级，处于国际领先水平。同时提出随机共振去耦合算法，解决了多模态传感信号的精准去耦合难题。
图3 高性能多模态传感器技术
上述研究工作得到国家自然科学基金创新研究群体、国家重点研发计划、高等学校学科创新引智计划等项目的资助。
