中国团队在碳基集成电路领域取得重要进展

随着人工智能技术的飞速发展，尤其是ChatGPT等大模型应用的崛起，未来世界的数据呈爆发式增长，海量数据的处理对芯片的算力和能量效率提出了严峻挑战。然而，高能效计算芯片的发展正遭遇芯片架构、晶体管性能两个重大瓶颈：传统的冯诺依曼架构已经无法满足高速、高带宽的数据搬运和处理需求，未来的高能效运算芯片必须在硬件架构上进行革新，以适用于神经网络等模型的张量数据运算。与此同时，构建芯片的硅基互补金属氧化物半导体晶体管，也进入了尺寸缩减、功耗剧增的困境，亟需发展超薄、高载流子迁移率的半导体作为沟道材料，期望构建比硅基CMOS晶体管具有更好可缩减性和更高性能的晶体管。碳纳米管具有优异的电学特性和超薄结构，碳纳米管晶体管已经展现出超越商用硅基晶体管的性能和功耗潜力，因此有望成为构建未来高效能运算芯片的主要器件技术。只有在系统架构和底层晶体管两个方面共同实现突破，才能最大化地提升芯片的算力和能效。目前成熟的硅基器件技术的运算芯片主要依赖于架构的创新，而基于新材料电子器件的研究，主要集中在提升晶体管的性能，尚未有研究工作将二者结合起来。

北京大学电子学院、碳基电子学研究中心彭练矛院士-张志勇教授联合课题组，基于碳纳米管晶体管这一新型器件技术，结合高效的脉动阵列架构设计，成功制备了世界首个碳纳米管基的张量处理器芯片（如图1），可实现高能效的卷积神经网络运算。

图1 基于碳纳米管晶体管构建的张量处理器

该芯片采用2bit MAC（乘累加单元），3微米工艺技术节点，共集成了3000个碳基晶体管，可实现图像轮廓识别、提取等功能，图像轮廓提取正确率高达100%（如图2）。

图2 图像轮廓提取结果

通过脉动阵列架构设计，芯片可实现高效地数据复用（如图3），大大节约了张量运算所需的数据存储、搬运等操作，精准匹配了神经网络的运算特点。

图3 脉动阵列架构与数据流设计

在此基础上搭建了5层卷积神经网络，实现了手写数字识别的应用，其理论正确率90%，实际正确率可达86%，与此同时，该芯片的功耗仅为295µW，器件总数也为新型卷积加速硬件中的最低值。

图4 卷积神经网络与手写数字识别结果

面向未来AI应用场景的碳基神经网络加速芯片，具有更强的算力和更高的能量效率。进一步提升工艺水平，缩减器件尺寸，可使用180nm碳基技术进行流片加工。仿真结果表示，碳基神经网络加速芯片可在1V电压下工作，可运行的最高主频为850MHz，能效可以达到1TOPS/w，远高于其他技术，充分证明了碳基集成电路在未来高能效运算芯片领域的应用潜力。

相关研究成果以题为“碳纳米管张量处理器”（A carbon-nanotube-based tensor processing unit）的论文，于7月22日在线发表于Nature Electronics。