【導讀】神經形態(tài)計算是一種新型的計算范式，它模仿生物神經網絡（如人腦）的結構和功能以在為人工智能、機器學習、機器人和感官處理等各種應用實現(xiàn)高性能、低功耗和自適應學習能力。
神經形態(tài)計算是一種新型的計算范式，它模仿生物神經網絡（如人腦）的結構和功能以在為人工智能、機器學習、機器人和感官處理等各種應用實現(xiàn)高性能、低功耗和自適應學習能力。
神經形態(tài)計算發(fā)展至今經歷了四十多年，主要分為三個階段，模擬計算、數(shù)字計算和混合計算。2017年，英特爾第一款自主學習神經芯片Loihi問世。它采用14nm工藝，包含超過20億個晶體管、13萬個神經元和1.28億個突觸，與基于CNN訓練人工智能系統(tǒng)的通用計算芯片相比，Loihi芯片的能效提升了1000倍。IBM的TrueNorth芯片、高通Zeroth芯片等等都屬于數(shù)字計算，即架構在CMOS工藝和器件結構基礎上的一種神經形態(tài)計算。因為材料和器件本身沒有突破，因此仍然受限于能算比低、系統(tǒng)架構復雜等問題。真正的神經形態(tài)計算必須采用新型材料構成的帶有易失性阻變特性的器件，對生物神經突觸的STDP等特性進行行為級的擬態(tài)，因此提出了全新的系統(tǒng)和器件設計的范式，并不斷突破著能算比的極限。
圖1：生物神經系統(tǒng)和神經形態(tài)計算對比
神經形態(tài)器件是神經形態(tài)計算系統(tǒng)的基本模塊。它們是模擬生物神經元和突觸行為的電子元件，例如尖峰、可塑性和記憶。神經形態(tài)器件可以基于不同的技術，例如憶阻器、相變材料、自旋電子學或納米線。神經形態(tài)陣列是實現(xiàn)復雜神經結構和功能的互連神經形態(tài)設備的大規(guī)模網絡。
神經形態(tài)計算為神經形態(tài)器件和陣列的設計、制造和測試帶來了一些挑戰(zhàn)和機遇。一方面，神經形態(tài)器件和陣列表現(xiàn)出高可變性、非線性、隨機性和噪聲，這使得它們難以表征和建模。另一方面，神經形態(tài)設備和陣列具有獨特的優(yōu)勢，例如容錯性、魯棒性和自組織性，需要嚴格的測試和驗證。
例如基于ReRAM的神經形態(tài)陣列的主要挑戰(zhàn)之一是器件的可變性，這是由電阻開關過程固有的隨機性和不均勻性引起的。設備可變性會影響神經計算的準確性和穩(wěn)定性，并導致性能下降甚至故障。因此，了解設備可變性的來源和影響并開發(fā)減輕或利用它的方法非常重要。例如，可以通過優(yōu)化器件制造工藝、設計參數(shù)和操作條件來減少器件可變性?；蛘?，器件可變性可以用作隨機性或多樣性的來源，以增強神經形態(tài)系統(tǒng)的功能和適應性。
除了ReRAM類型之外，目前也可以用神經擬態(tài)計算的器件可以有FeRAM類型、有機FET類型、以及更為廣泛和多樣的二維材料異質集成所形成的阻變器件而構成。
圖2：突觸權重特性圖示
圖3：兩端口存算器件
研究神經形態(tài)陣列的優(yōu)勢
神經形態(tài)陣列是一種利用憶阻器器件形成的小規(guī)模的、實現(xiàn)類似于大腦神經元連接的集成電路。這種電路具有以下幾個優(yōu)點：
可以直接在硬件層面模擬生物神經元的突觸可塑性，學習和記憶過程，而無需復雜的軟件算法。
可以實現(xiàn)并行、分布式、低功耗和高效率的數(shù)據(jù)處理，適合解決復雜認知功能和任務，如圖像識別、語音識別、自然語言處理等。
部分器件所形成的陣列可以與現(xiàn)有的CMOS技術兼容，利用其成熟的制造工藝和設計方法，降低開發(fā)成本和風險。
為了探索其應用和優(yōu)勢，有必要開發(fā)新的測量技術和模塊，對憶阻器器件和陣列進行精確和全面的表征和評估。在陣列測試中，和器件測試和表征方法差異主要在如何高效、可靠的“選通”陣列中每個器件，進行參數(shù)表征，以及自動化的完成可靠性的相關測試，甚至可以利用測試的平臺直接進行神經形態(tài)計算的仿真和驗證。
?直流掃描測試：施加從零到最大值或最小值的電壓或電流斜坡，并測量相應的電流或電壓響應。繪制I-V曲線并分析憶阻器器件的開關行為、遲滯、閾值和非線性。
?脈沖測試：施加具有指定幅度、寬度、周期和數(shù)量的電壓或電流脈沖，并測量相應的電流或電壓響應。繪制脈沖波形并分析憶阻器器件的瞬態(tài)和動態(tài)特性，例如開關時間、保持時間、耐久性和可變性。
?自定義脈沖測試：應用用戶定義的具有可變幅度、寬度、周期和數(shù)量的脈沖序列，并測量相應的電流或電壓響應。繪制脈沖波形并分析憶阻器器件的復雜和非線性行為，例如尖峰定時相關可塑性、學習、記憶和神經形態(tài)功能。
?陣列測試：將電壓或電流信號的組合施加到憶阻器陣列的行和列上，并測量每個單元的輸出電流。通用的陣列結構如Crossbar等。完成陣列中每個器件的訓練，并完成一定的推理任務。同時驗證矩陣并性能，例如網絡的Sneak Path、串擾、均勻性和可擴展性。
?算法研究：特別針對于神經形態(tài)算法有別于卷積神經網絡算法，面對不同的硬件陣列，需要提出統(tǒng)一的、兼容的算法模型并進行驗證。
?靈活高效的集成不同的脈沖激勵源：超快電脈沖、光脈沖、壓力等，是將神經擬態(tài)計算進行的拓展，從“存算”延伸為“感存算”，測試的覆蓋度增強，需要高效的兼容不同的外部刺激源到整個測試系統(tǒng)中。
陣列測試方案介紹
Tektronix/Keithley公司提供豐富的測試產品，在神經形態(tài)材料（鐵電、自旋、有機、二維材料）和器件的科研中得到廣泛的運用。而對于陣列測試的需求，目前業(yè)內鮮有專業(yè)的系統(tǒng)和軟件。特別是由于材料、器件的不同、工藝的不同，陣列測試的方法尚未形成統(tǒng)一的方法，主要需要科研工作者自行集成和開發(fā)，一定程度上浪費了寶貴的科研資源。Tektronix/Keithley 提供一站式的解決方案，提供靈活的配置方式，提供一套通用的軟件平臺，并且可以根據(jù)特定的測試需求開發(fā)軟件模塊，真正的做到“交鑰匙”方案。
DC測試
主要測試陣列中器件的I/V特性曲線，俗稱“蝴蝶曲線”，在不同的條件下表征器件的具有“存儲”的能力；根據(jù)器件的Ion/Ioff的特性和測試精度的要求，可以選擇高精度1pA量程的4200A-SMU及高精度放大器 PA；100pA量程可選2600系列源表作為測試主要硬件；源表自身具有一定的脈沖能力，如果考慮到器件自熱效應，并且脈寬要求低于100us，2600系列源表可以滿足。
AC測試
神經形態(tài)計算天然是脈沖。用脈沖方式進行測試不僅可以消除自熱效應，更重要的是可以模擬“突觸”實際工作的脈沖刺激并測量其響應。因此絕大部分的陣列測試都在脈沖下進行。首先通過脈沖進行陣列中每個器件突觸特性的刻畫，得到陣列整體的突觸特性，可以用于后期仿真算法的開發(fā)；進一步可以測量陣列中每個器件的脈沖I/V特性。由于脈沖寬度和幅度要求的不同，可以使用4200-PMU激勵和測量脈寬最高到50ns的用例；使用AFG或者AWG，配合外部放大器可以實現(xiàn)50ns~100ps的脈沖激勵，并且使用TIA或高靈敏度電流探頭集成的方式實現(xiàn)脈沖電流的測量。
在Endurance或Retention測試中，由于是測量陣列長時間、多脈沖下的可靠性特性，往往對Read電流的精度要求很高，用于精準的描述阻變的動力學過程，因此會用到1pA量程下0.01fA分辨率的源表或更高精度的皮安表進行電流測試。因此脈沖電壓Set/Reset激勵和直流Read電流讀取需要在同一個端口進行。4225-RPM是一款集成了電流放大、通道切換的模塊，無需更換前端探針或連線可以輕松的實現(xiàn)不同類型信號的測試。
圖4：4225-RPM內部結構，SMU和PMU復用一個輸出
矩陣開關選擇
圖5：三端結構（例如：1T1R結構）。左端是儀器連接端，完成信號激勵和測量；圖中陣列的示意圖，WL端可以有DC和AC的激勵和測量。
矩陣開關的目的是尋址陣列中特定的器件，對其進行表征和測量的前置條件。引入矩陣開關可以大幅度降低測試的成本和復雜度，有助于標準化探針、探卡的結構，標準化測試流程，提高測試效率。在單獨的DC測試中，如果選用2600系列源表作為主要測試機，可以配置3706系列的矩陣開關，漏流小于 100pA；如果選用4200A或者采用AC測試時，需要選擇更低漏流、更大帶寬、更小雜散電容的707B系列矩陣開關，漏流低于100fA，支持4225-PMU脈沖信號切換。
矩陣開關通道數(shù)的選擇需要根據(jù)陣列規(guī)模M x N，以及器件端口數(shù)決定。下圖是陣列測試組網示意圖，僅表示一種通用的連接形式，具體配置請和Tektronix技術專家溝通。
圖6：DC測試
圖7：AC測試。脈沖Spike的參數(shù)化定義
軟件功能
軟件內置I/V掃描特性功能，在選通待定器件后，在矩陣中自動完成?？紤]到Sneak Path的問題，可以通過三端的方式將待測器件“隔離”，或者定制特殊的算法。
軟件內置標準突觸特性測試，通過PMU進行Reset/Set以及循環(huán)，可以在脈沖后通過SMU進行Read操作，準確的測試阻變特性。
自定義波形
軟件特別開發(fā)了脈沖調試功能，支持更加靈活的脈沖波形編輯和測量。可視化的界面中輸入的時序參數(shù)立刻可以仿真出來，使用者可以避免制作錯誤的脈沖參數(shù)導致器件的損壞；將波形導入測試程序后，可以定制Read電流的時間和頻次，從而快速反饋給用戶進行脈沖波形參數(shù)的調優(yōu)。真正做到“ 所見即所得” 。K-pulse編輯KSF波形，+measure的時序；實時debug。
圖8：K-pulse可視化脈沖編輯和自定義Read電流設置。
圖9：Endurance測試，對Reset和Set兩種狀態(tài)分別測試Endurance
陣列Endurance測試，通過 PMU循環(huán)進行Set/ Reset和Read的操作，嚴格的進行Endurance的測量。測量的時間和需要達到的Endurance的數(shù)量級成正比；例 如，MRAM Endurance測試循環(huán)在1015量級，如果采用100ns Set/Reset周期，一個測試循環(huán)大致500ns，所以總共測試時間為15年！解決方案有更換AFG/AWG加快Set/Reset的脈沖寬度，可以達到100ps級別（根據(jù)具體器件的響應時間決定）也可通過小規(guī)模的測試，對小樣本下的Endurance進行外推，需要PMU有很高的Set/ Reset電壓精度和穩(wěn)定度以及SMU對Read電流的精度，有助于Endurance模型的準確度。
陣列Retention測試，涉及到長時間的周期或非周期的Read，timing參數(shù)和周期參數(shù)靈活多變?？梢愿鶕?jù)PMU和SMU的特性靈活調配Read的方式。
同樣，對于神經突觸的特性測試（STP、STD、LTP、LTD、STDP等）由 timing參數(shù)和周期參數(shù)多變，在軟件提供標準的Pulse測試基礎上，需要定制開發(fā)測試過程，以及最終的數(shù)據(jù)呈現(xiàn)方式。
工藝可靠性TDDB等，借助軟件標準的測試庫，可以靈活的擴展陣列可靠性的測試模塊。
器件及陣列測試集成開發(fā)環(huán)境TMAS
為了降低神經形態(tài)器件和陣列測試的復雜度，手動測試對于精度的影響，以及提高測試效率和可重復性，Tektronix公司提供了統(tǒng)一的器件和陣列集成化測試平臺TMAS套件，包含ACS-BASIC和器件陣列測試模塊。
器件電特性參數(shù)表征
陣列訓練及部分推理
開放式平臺，Python 腳本直寫定制測試模塊
豐富靈活的數(shù)據(jù)處理
小結
對于Tektronix/Keithley神經形態(tài)陣列測試方案應該具有一下特點：
?測試解決方案應具有靈活性和可擴展性，以適應同的網絡規(guī)模和設備架構，以及不同的測試功能和參數(shù)。
?測試解決方案應準確可靠，以捕獲憶阻器器件的細微動態(tài)行為，例如納秒級脈沖響應、亞皮安電流水平和隨機開關現(xiàn)象。
?測試解決方案應高效且用戶友好，以方便數(shù)據(jù)采集和分析，以及憶阻器器件和網絡的優(yōu)化和驗證。
?易于開發(fā)新的測量技術和模塊，以克服現(xiàn)有儀器的局限性。
未來希望能將測試解決方案與先進的建模和仿真工具集成，以在不同的抽象和復雜程度上對憶阻器器件和網絡進行表征和評估， 探索 Memristor 器件和網絡在神經形態(tài)計算中的潛在應用和優(yōu)勢，例如突觸可塑性、學習和記憶過程的仿真，以及復雜認知功能和任務的實現(xiàn)。
（來源：泰克科技）
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯(lián)系小編進行處理。
推薦閱讀：
