内容寻址存储器（Content addressable memory, CAM）是以内容进行寻址的存储器，其将输入数据与阵列中存储的所有数据同时进行比较并输出相应的匹配信息，能在存储器内部以高并行度和高能效实现搜索与相似度检测运算，减少了数据传输，近年来在完成边缘智能计算等任务中展现出极大的潜力。传统基于SRAM的CAM除了实现数据的存储，还需要额外的硬件开销实现数据的比较操作。为了降低执行CAM操作所需要的硬件代价，当前国际上相继探索采用新型非易失存储器（如阻变存储器、相变存储器、铁电晶体管等）的CAM实现方案，但均需要基于双分支互补的数据存储单元和比较电路来实现核心的线性不可分的比较操作，且进一步实现多值CAM需要额外的搜索电路，仍存在硬件开销大、运算能耗高等问题。
针对这一关键问题，北京大学集成电路学院黄如院士和黄芊芊研究员课题组在国际上首次以单支路单个器件实现了CAM操作，提出并实验制备了具有双极特性的新型铁电鳍式隧穿场效应晶体管（Fe-FinTFET），无需额外的器件或电路即可同时实现三态CAM和多值CAM操作，极大降低了硬件开销和能耗。提出的Fe-FinTFET器件采用非易失铁电自发极化实现数据存储，通过将代表输入数据的搜索电压作用于器件栅端，进一步结合Fe-FinTFET器件的特有的双极带带隧穿电流特性实现存储数据和输入数据的局域线性不可分的比较操作，无需传统的互补双分支电路拓扑，硬件代价极低。基于所设计的新型内容寻址存储器，进一步演示了其在实现汉明距离和曼哈顿距离计算等小样本学习任务中的潜力，显著提升了面积效率和能效（相较于传统基于GPU的计算方式搜索速度提升3个数量级，搜索能量降低2个数量级），为高集成度、高能效的边缘端机器学习计算芯片奠定了重要基础。
该工作以《基于新型双极鳍式铁电隧穿场效应晶体管的面向机器学习的高能效低硬件代价内容寻址存储器》（A Novel Ambipolar Ferroelectric Tunnel FinFET based Content Addressable Memory with Ultra-low Hardware Cost and High Energy Efficiency for Machine Learning）为题，在2022年6月12-17日于美国举行的超大规模集成电路技术及电路国际会议（2022 Symposia on VLSI Technology and Circuits）上发表（博士研究生罗金、徐伟凯为共同第一作者，黄如院士、黄芊芊研究员为共同通讯作者）。
VLSI国际会议每年夏天召开，与每年冬天召开的IEDM会议并称为微电子器件领域两大旗舰会议。
相关研究工作得到了国家重点研发计划、国家自然科学基金国家重大科研仪器研制项目、应急管理项目、优秀青年科学基金、高等学校学科创新引智计划等项目的资助，以及北京大学微米/纳米加工技术国家级重点实验室等基地平台的支持。
图：提出的新型铁电鳍式隧穿场效应晶体管实现CAM操作的工作原理
