ディープラーニングを高速化する三次元集積デバイスを開発――酸化物半導体IGZOと不揮発性メモリーを集積東大

東京大学は2020年6月14日、ディープラーニングの計算を高速化する酸化物半導体IGZOと不揮発性メモリーを三次元集積した新たなデバイスを開発したと発表した。

同大学によると、ディープラーニングによる推論システムなどを実装する場合、一定以上のコンピューティング能力が必要とされる。大量のデータを用いるディープラーニングは多層ニューラルネットワークで構成されており、プロセッサーとメモリー間の大量のデータ移動がその性能発揮のボトルネックとなる。ボトルネック解消のために、メモリー自体に演算機能を持たせたインメモリーコンピューティングが注目を集めているが、従来の二次元構造のメモリー配列では、ネットワークモデルが大規模になるに従って配線長が延び、計算が遅延したり消費電力が増大してしまったり、同時アクセスできるメモリー量が制限されるために並列処理が制約されるという課題があった。

今回同大学では、上記の課題を解決するためのメモリーを三次元積層した三次元ニューラルネットワークの実現を目指し、極薄の酸化物半導体IGZO（In-Ga-Zn-Oの4元素からなる酸化物半導体）を用いたトランジスタ（IGZOトランジスタ）と抵抗変化型不揮発性メモリー（RRAM）を形成する三次元集積デバイスを開発した。

今回開発した集積デバイスは、RRAMとIGZOトランジスタによるメモリーセルから成る配列で構成。各層のIGZOトランジスタは十分に大きな電流が駆動しており、不揮発性メモリー特性および信頼性もほぼ均等で、積層プロセスによる劣化は見られない。これによりさらなる積層化によるネットワークモデル拡張に対応できる可能性があるという。

同デバイスによるインメモリーコンピューティングとして、ニューラルネットワークの基本計算であるXNOR演算を実証。定常電流が発生しないために、従来の10分の1以下の消費電力で演算可能だ。

（a）RRAMとIGZOトランジスタからなるメモリーセルのペアによるXNOR演算の基本ユニット　（ｂ)試作したメモリーアレーの写真　（c）外部周辺回路　(d)測定波形

今回の開発では、通常の集積回路の配線層プロセスに適用可能な最高温度である400℃以下のプロセスで酸化物半導体IGZOを用いたが、同大学が現在研究対象としている二次元層状物質は、IGZOよりも数倍から数十倍移動度が高い。同物質を400℃以下の温度で成膜できれば、今回開発したアーキテクチャを用いてよりエネルギー効率の高いインメモリーコンピューティングが可能になるため、今後同大学ではその実現を目指して研究を進める。

ディープラーニングを高速化する三次元集積デバイスを開発――酸化物半導体IGZOと不揮発性メモリーを集積　東大