中科院微电子所在三维铁电存储器噪声特性应用方面取得进展

传统贝叶斯机面临三大挑战：一是需要高质量的随机源生成具有真随机性的随机比特数流；二是由于随机变量随着问题的规模和复杂度的增加而增加，因此需要高密度的存储器；三是存储器和随机源的分离，导致了芯片面积和功耗的浪费。

针对这些挑战，中科院微电子所刘明院士团队首次构建了存储器和随机源融合的贝叶斯机。通过16层3D集成Fe-Diode实现了极高的存储密度（0.26F²/bit）；此外，通过对Fe-Diode器件的噪声行为的系统研究，发现了与频率无关的高噪声密度的散粒噪声(shot noise)，并利用该噪声作为随机源，生成了自相关性接近零的随机比特数流；进一步通过将存储器和随机源统一在16层3D Fe-Diode阵列中实现了该贝叶斯机。

通过对比发现，本工作在比特数流长度为15时，可以实现95.31%的MNIST识别精度。与基于线性反馈移位寄存器相比，识别精度提升了9.37%。同时，本工作具备高噪声容忍能力，在10%的外部噪声下，精度仅下降了8.75%。

    该研究成果以题为“First Demonstration of a Bayesian Machine based on Unified Memory and Random Source Achieved by 16-layer Stacking 3D Fe-Diode with High Noise Density and High Area Efficiency”入选2023 IEDM。中科院微电子所龚天成副研究员为第一作者，复旦大学博士生胡启樵为共同一作，中科院微电子所杨建国副研究员和罗庆研究员为通讯作者。

图 基于三维16层Fe-Diode器件的贝叶斯机