Nature materials：基于二維材料的三維電子異質集成，成為終極計算提供解決方案

01. 導讀

系統芯片的發展在集成芯片領域引發了創新，提供了多項優勢，包括接口的靈活性、更好的功耗效率、硬件重新配置的能力以及集成芯片的微型化。然而，由于其橫向集成性質在根本上限制了集成系統的進一步縮小和微型化，因此迫切需要一種新的集成策略。三維異質集成（3DHI）技術已經成為應對系統芯片這些限制的有希望的候選者。這種3DHI技術允許在三維空間內將不同類型的半導體器件晶片堆疊在一起。各種電子組件，如存儲器、邏輯和光電子器件，可以垂直組合成一個單一單位，以創建更小、更有效的電子設備。此外，整合不同的技術，包括互補金屬氧化物半導體（CMOS）電路和微機電系統（MEMS），可能導致新功能的產生，如傳感器和執行器與數字邏輯的集成。然而，將活躍器件層連接在一起也會產生極高的技術障礙：它需要通過晶片進行精確的孔鉆，即所謂的穿硅通孔，以及每個晶片晶元的錫球鍵合。因此，傳統的3DHI需要極為復雜的晶片制造和鍵合處理，嚴重限制了芯片的可集成性。單片三維（M3D）集成被視為更有效的芯片連接的替代解決方案，因為所有功能器件層都直接連接，無需晶片。然而，從基底中移除器件層的要求另外提出了一個技術挑戰，因為其固有的脆弱性和高內部應力水平，因此處理這些層可能很容易導致機械器件故障。與此相反，基于二維材料的電子學的出現突顯了它們在克服上述問題方面的巨大潛力。由于二維材料的原子薄性質，它們具有固有的極低剛度和幾乎零的內部應力。因此，基于二維材料的電子學可以完全克服傳統剛性三維材料對M3D集成施加的物理約束，達到與傳統硅基對應物相媲美的性能水平。

02. 成果掠影

鑒于此，美國 麻省理工學院Ji-Hoon Kang,，韓國延世大學Heechang Shin以及圣路易斯華盛頓大學Sang-Hoon Bae等研究者聯合在Nature Materials上發文，展示了基于二維材料的電子學的M3D集成，以突顯無晶片的器件堆疊。這些堆疊的結構最終在邊緣計算應用中實現人工智能（AI）硬件的功能。根據應用的需求，可以設計不同的層次組合。集成到感知層的各種傳感器可以通過傳感器融合提供冗余和互補信息，從而彌補錯誤并提高精度。信號處理層上可以實現不同的濾波器和放大器以增強輸入數據。基于此，研究實現了大規模操作的基于2D材料的電阻變阻器。其次，2D晶體管與2D電阻變阻器陣列被單片集成為電路。這種基于M3D集成的2D材料電子學的成功演示將不僅提高計算性能，還將為電子學的終極區域有效和多功能系統的先進集成打開新的可能性。相關研究成果以“Monolithic 3D integration of 2D materialsbased electronics towards ultimate edge computing solutions”為題，發表在頂級期刊《Nature materials》上。

03. 核心創新點

本文的核心創新點是成功實現基于二維材料的M3D集成電子學，展示了多層次、多功能的AI處理器，通過垂直堆疊2D材料的電阻變阻器和晶體管，為邊緣計算提供了高度集成的、高效能的解決方案。

04. 數據概覽

圖1 | 2D材料基電阻變阻器和晶體管的M3D集成。a，基于M3D集成的2D材料電子學的極限邊緣計算系統的示意圖。M3D集成系統的示意圖（頂部）說明了不同功能層的多層堆疊，包括AI計算層、信號處理層和感知層。所有層都可以單片集成到3D異質結構中。如左側插圖所示，AI計算層包括基于2D材料的電阻變阻器陣列（頂部）和基于2D材料的晶體管陣列（中部），構建了一個集成的、基于2D的AI處理器（底部）。電阻變阻器和晶體管陣列均經過M3D集成。計算系統的示意圖（底部）顯示了整個系統中數據處理的順序。輸入信號由感知層檢測并傳遞到信號處理層，后者將信號轉換為AI計算層的適當配置輸入。最后，AI計算層通過并行利用每一層在認知計算中發揮作用。b–d，雙層（WSe₂/h-BN）基電阻變阻器的電性能。通過直流（DC）切換性能的設置和復位過程（b）確認了優越的電阻變阻器性能，以及在各種電流合規水平下編程的100 s多態數據保留（c）和在1,000周期的設置和復位脈沖電壓應力（PVS）下的耐久性測試（d）。e,f，雙層MoS₂ TFT的電性能。在VD = 1 V下，通過轉移特性（ID–VG）（e）和在各種VG下的輸出特性（ID–VD）確認了高通流電流和開關比，以及高設備間一致性。e，插圖顯示了對數尺度下的轉移曲線。g，μFE和VTH的直方圖。

圖2 | M3D集成的2D材料基1晶體管-1電阻變阻器陣列用于AI處理。a，由WSe₂/h-BN基電阻變阻器和MoS₂基晶體管組成的M3D集成AI處理器的示意圖。晶體管的漏極電極線連接到電阻變阻器的底部電極。b，M3D集成設備的直流切換性能。紅色和藍色箭頭分別表示設置和復位過程。c，M3D集成設備陣列在100 s內的多態保留特性。多個狀態由MoS₂基晶體管的柵極偏置控制。d，M3D集成設備陣列的耐久性測試。e，帶有不同VG值的M3D集成設備陣列的經驗CDF。

圖3 | M3D集成的2D材料基設備的剝離和堆疊。a，可剝離的M3D集成設備的示意圖。這些設備在制備后被精確剝離以進行M3D集成。b，M3D集成設備陣列的光學圖像。c,d，在基板彎曲下的應變分布（c）和在M3D集成設備中的應變分布（d）。e，設備在剝離前和轉移后的M3D集成設備的直流切換性能。轉移后未觀察到電性能的退化。f，M3D集成設備陣列的機械韌性，通過在多達100個周期的重復彎曲測試中測量。g，M3D集成AI處理器的多層堆疊。h–k，顯示AI處理器的低分辨率（h）和高分辨率（i）的照片（j）以及顯示多層重疊的光學顯微鏡圖像（k）。三個AI處理層被M3D集成到AI處理系統中。

圖4 | 使用M3D集成的2D材料基AI系統進行DNA基序發現。a，通過1D卷積進行DNA基序發現的示意圖。b，通過one-hot編碼實現四種DNA堿基（A、T、C和G）的1D核心模式。c，通過1D卷積進行DNA基序發現的流程圖。d，1D卷積進行DNA基序掃描的MAC和軟件結果的輸出值。e,f，M3D集成，2D材料基AI硬件多層堆疊的電壓降（e）和計算延遲隨M3D集成、2D材料基AI硬件的多層堆疊數的變化（f）。誤差條表示s.d.（n = 100）。g，M3D集成、2D材料基AI系統占地面積與計算延遲的關系。

05. 成果啟示

總之，我們成功地展示了基于二維材料的M3D集成電子學，利用制備的WSe₂/h-BN基電阻變阻器和MoS₂基晶體管，表現出卓越的性能。每個層次的M3D集成在實驗中得到了驗證，以驗證AI處理器的可靠和均勻的操作。由于二維材料的極低剛度和內部應力，我們成功地實現了M3D集成設備的多層堆疊，總共六層。M3D集成AI處理層的多層堆疊也通過改善延遲、電壓降和占地面積得到了驗證。M3D集成允許將不同功能層以高密度和減小的表面積集成在一起。它可以處理來自不同傳感器的大量數據，具有高帶寬和低延遲。預計這種傳感器融合方法可以通過提供冗余和互補的感知信息，減少錯誤并提高準確性。M3D集成與近/在傳感器計算架構的結合實現了高效的邊緣計算解決方案。此外，由于M3D集成設備在超薄柔性PI基底上表現出色的機械性能，它們可以應用于下一代可穿戴AI平臺，包括實時健康和健身監測、個性化醫學、情感和認知監測、增強和虛擬現實交互，甚至軟體機器人。我們預見，基于二維材料的M3D集成策略將在集成芯片應用中帶來顯著創新，并引領下一代集成技術的發展。

本文由Andy供稿。