東京大、IGZOトランジスタとRRAMを3次元集積：多層ニューラルネットを1チップに

東京大学生産技術研究所の小林正治准教授らは、膜厚が極めて薄い酸化物半導体「IGZO」を用いたトランジスタと、抵抗変化型不揮発性メモリ（RRAM）を3次元集積したデバイスを開発し、インメモリコンピューティングの機能実証に成功した。

[馬本隆綱，EE Times Japan]

インメモリコンピューティングの機能を実証

　東京大学生産技術研究所の小林正治准教授らは2020年6月、膜厚が極めて薄い酸化物半導体「IGZO」を用いたトランジスタと、抵抗変化型不揮発性メモリ（RRAM）を3次元集積したデバイスを開発したと発表した。ディープラーニングの多層ニューラルネットワークを1チップ上に実装することが可能となる。

　ディープラーニングの計算では、高速演算能力と同時に低消費電力が要求される。このため、メモリ自体で演算も行う「インメモリコンピューティング」が注目されている。ところが通常のメモリ配列だと2次元構造のため、ネットワークのモデルが大規模になると、2次元メモリ配列のサイズが大きくなってしまう。この結果、配線長が長くなって信号の遅延が生じたり、消費電力が増加したりするなどの課題があった。同時アクセス可能なメモリ量が制限されることで、並列計算が制約を受けることもあるという。

　そこで今回、メモリ配列を3次元積層したデバイスの開発に取り組んだ。試作したデバイスは、各層が抵抗変化型不揮発性メモリとIGZOトランジスタからなるメモリセルの配列で構成されている。IGZOトランジスタは400℃以下のプロセス温度で形成することができ、移動度は10cm²/Vsを達成した。しかも、IGZOトランジスタは大きな電流を駆動でき、RRAMへの書き込みも適切に行うことができるという。

左は従来の二次元メモリアレイ、右は三次元集積メモリアレイによるインメモリコンピューティングの概念図 出典：東京大学

左はIGZOトランジスタの断面TEM像、中央はIGZOトランジスタのドレイン電流-ゲート電圧特性、右はRRAMのみのメモリ特性（赤）とIGZOトランジスタで駆動したRRAMのメモリ特性（黒） （クリックで拡大） 出典：東京大学

　試作したデバイスについて、各層におけるメモリセル特性を比較した。その結果、不揮発性メモリ特性や信頼性はほぼ同じ数値で、積層プロセスによる劣化は見られなかった。このことは、さらなる多層化が可能であり、ネットワークモデルの拡張にも対応できることを示したものだという。

三層積層したRRAMの各層における低抵抗状態と高抵抗状態の累積確率分布（左）、書き換え耐性（中央）および、保持時間特性（右） （クリックで拡大） 出典：東京大学

　小林氏らは、開発した3次元積層デバイスを用いて、インメモリコンピューティングの機能を実証した。具体的には、RRAMにニューラルネットワークの重みを学習させ、IGZOのゲートにつながるワード線に入力データを印加した。その組み合わせによって、プリチャージをしておいたビット線の電圧が放電され、XNOR演算結果をビット線の出力電圧として得ることができる。しかも、定常電流が発生しないため、従来に比べ消費電力を10分の1以下にできるという。

左はRRAMとIGZOトランジスタからなるメモリセルのペアによるXNOR演算の基本ユニット、中央は試作したメモリアレイと外部周辺回路の写真、右は測定波形 （クリックで拡大） 出典：東京大学