芯東西11月7日消息，本周最新一期《Nature》期刊，刊載了一種利用原子薄型半導體，設計兼顧邏輯計算和數據存儲能力的芯片的方法。通過把兩種功能結合于單一芯片結構，這種新型芯片可以更高效地驅動設備，或能用于推動AI方面的研究。

這種芯片設計方法由洛桑聯邦理工學院（EPFL）納米電子與結構實驗室（LANES）的團隊研發，論文名稱為《基于一種原子級薄半導體的存儲器式邏輯計算（Logic-in-memory based on an automically thin semiconductor）》。

這意味著系統運行過程中，數據必須不斷在兩個單元之間進行傳輸，因此，數據處理單元和數據存儲單元之間交換信息的速度成為影響系統性能的一大重要因素。

隨著運算要求不斷提高，馮·諾伊曼架構的弊端逐漸顯現：要處理不斷增多的運算量，系統消耗的能源成本也將不斷攀升。

針對這一問題，洛桑聯邦理工學院研究團隊指出，采用類似人腦計算方式的、將數據處理和數據存儲功能集成在同一單元中的芯片設計方案，將有望大幅降低馮·諾伊曼結構解決方案的計算成本。

從這一思路出發，洛桑聯邦理工學院研究團隊研發了一種基于單層二硫化鉬（MoS₂）存儲器架構的可重編程邏輯器件。

根據論文，研究人員用這種結構演示了一個可編程或非門（NOR），結果顯示這種設計可被擴展到更加復雜的可編程邏輯和功能完整的操作集中。研究人員認為，這種芯片設計方法顯示出“原子級薄半導體在發展下一代低功耗電子產品方面的潛力”。

在二維過渡金屬二硫化物中，單層二硫化鉬的直接帶隙尤其大。這意味著即使在納米尺度的柵極長度和接近理論極限的情況下，該材料也能以高的開/關電流比（約為10的八次方）降低待機電流。

在這種情況下，基于單層二硫化鉬材料的浮柵場效應晶體管，可以實現12nm以下的積極縮放（aggressive scale），同時提高器件的可靠性。這要歸功于浮柵場效應晶體管相鄰薄膜浮柵之間的原子級別厚度，以及減少的單元間干擾。

但是，在AI技術普及的過程中，作為載體的硬件如何實現更高能效成為另一個亟待解決的問題。面對傳統馮·諾伊曼結構下的高能耗問題，越來越多研究者正試圖通過云計算、存內計算等技術給出解決方案。

云計算可以實現數據的快速處理。但是，云計算也面臨著數據隱私、響應延遲、服務成本高等問題。相比之下，存內計算或能兼顧低能耗、數據安全等各方面要求。