在人工神經網絡芯片這項工作中，研究團隊利用level-62 SPICE模型構建晶體管仿真模型，從而對人工神經網絡中的模擬電路進行仿真和優化。最終構建了一個可用於未來智能傳感應用的人工神經網絡芯片🙎🏽♂️。
微電子學院包文中課題組日前在新型二維半導體的集成電路成套工藝和芯片設計製造方面取得了突破。
目前🍧，集成電路最先進的晶體管溝道長度和厚度開始逐步接近原子尺度👨🏻🦯，這對傳統半導體材料而言已經接近性能極限。最新的國際器件與系統發展路線（IRDS）指出了，具有原子厚度的二維半導體在未來大規模集成電路中有著巨大的潛力🙋🏿👩🏻🎨，而全球範圍內1️⃣😙，臺積電、三星🔶、英特爾也開始發力二維半導體的研究👠。另外，當前隨著互聯網、雲計算和大數據的發展🍗，人工智能技術（AI）的應用早已深入人們的生活，譬如AI芯片已經為智能手機的標配，用來實現AI拍照、美顏、語音識別等豐富的應用。這些應用導致對芯片高算力和低能耗的要求越來越高，但是為通用計算設計的傳統芯片在架構、性能等方面無法適應AI的快速發展與海量運算。所以🧑🏻，研究一顆基於新材料、新架構的“芯”能夠大大拓展人工智能的未來發展。
雖然目前芯片主流舞臺依舊屬於矽半導體💘👩🏿🍳，但在某些特殊應用場景已經有諸如氧化物半導體、有機半導體材料等新型材料的身影👋。因此🐣，擁有獨特優勢二維半導體發展前景不可小覷，而且發展基於二維半導體的新型芯片對我國半導體產業的追趕式發展具有重要的戰略意義。團隊未來將繼續聚焦於新型二維半導體☎，深挖其特有屬性，往新計算範式、三維集成應用方向探索🐍，進一步推動其在集成電路產業中的實際應用。
在二維半導體的集成電路工藝方向，包文中課題組10月12日在《自然-通訊》（Nature Communications）在線發表研究論文《基於機器學習輔助工藝優化二維半導體晶圓級電路製作》（“Wafer-Scale Functional Circuits Based on Two Dimensional Semiconductors with Fabrication Optimized by Machine Learning”）🤛🏻，提出了一種適合學術界探索的二維半導體集成電路工藝優化路線，從而展示了二維半導體體系在未來新架構芯片應用中的前景𓀀。該工作中📼，微電子學院解玉鳳教授，博士生陳新宇和碩士生盛耀晨、唐宏偉為共同第一作者，包文中、萬景研究員和周鵬教授為共同通訊作者♥️👩🏼🔬。
進一步𓀒🙅🏻♂️，研究團隊充分利用二維半導體超薄厚度、可調帶隙等優勢，構建了包含突觸權重存儲單元、乘加卷積運算單元以及激活函數單元的全二維人工神經網絡芯片，“一站式”地突破了二維半導體從器件工藝到芯片製造的困難。這系列工作進展在10月5日以《基於二維半導體的人工神經網絡芯片》（“An Artificial Neutral Network Chip Based on Two-Dimensional Semiconductor”）為題發表於國內期刊《科學通報》（Science Bulletin）。青年副研究員馬順利🤦，博士生吳天祥、陳新宇為本文的共同第一作者👳🏻；包文中、任俊彥和周鵬為該工作的共同通訊作者🅰️。
當前，國際上大面積二維半導體的生長已經有諸多報道，但是其集成電路應用仍在探索的初期。這主要是因為原子級厚度的二維半導體對工藝環境極端敏感💾，所以傳統半導體CMOS（互補金屬氧化物半導體）集成工藝不能直接用來照搬。這就需要工業界和學術界共同投入大量的精力來開發基於二維半導體的新型集成電路工藝。微電子學院的包文中研究員課題組和周鵬教授團隊通過長期合作，近年來在二維半導體材料晶圓級生長、工藝集成*️⃣、電路設計等集成電路應用方向開展了系統深入的研究💁🏼♂️。這次的最新進展利用機器學習策略輔助優化了二維半導體增強型頂柵晶體管的製備工藝，並采用工業標準設計流程和工藝進行了晶圓級器件與電路的製造和測試。
這項研究工作的核心內容是利用已經積累的較大實驗數據樣本集，采用機器學習算法進行數據訓練，從而識別具有優良器件指標的器件工藝特征🖐🏽。這樣通過算法就可以高效地對所有可能的工藝組合進行評估✵，再輔以工藝專家的經驗結合人為設計實驗驗證，從而進一步提升算法準確率並最終得到最優的工藝組合。簡單來說⚜️，就是利用機器學習的高效性來輔助科研人員進行巨量組合的篩選，極大程度地減小科研人員的工作量⛔。而且本工作所采用的機器學習策略具有通用性👨💼，其他新型材料也可以利用此策略縮短其器件工藝探究與應用進程，提高科研效率。
通過算法優化後的晶圓級二維半導體工藝🐍，可以得到兼容性強的增強型頂柵晶體管👰🏽，並基於此工藝成功演示了各種數字💆🏻🤡、模擬📴、存儲、光電探測等集成電路單元。人工神經網絡芯片這項工作突破了馮諾依曼架構的限製，與生物神經元類似💆🏼♂️，具有多個感知“突觸”，收集來自傳感器的信號🍆。每個突觸可以存儲和改變感知信號的相應權重，並實現感知信號與權重的乘加運算，然後輸入到激活函數電路進行映射與歸一化。最後，該芯片結合片外軟件演示了未來基於二維半導體的人工神經網絡芯片可實現的觸覺盲文分類器，經過權重值優化後的盲文字母識別率達到97%以上。
論文鏈接：
https://www.nature.com/articles/s41467-021-26230-x
https://www.sciencedirect.com/science/article/abs/pii/S2095927321006459
