科技日报北京6月28日电（记者刘霞）首尔国立大学科学家研发出一种新型人工智能半导体技术。该技术首次在基于铁电存储器的单一器件平台上，实现了生成式AI的随机采样与稳定计算这两大核心能力。这项研究成果已发表在最新一期《自然·通讯》杂志上。
在半导体芯片上直接部署生成式AI面临诸多挑战。传统AI芯片多针对稳定、确定性的计算任务（如分类与推理）进行优化，而生成式AI模型还要求具备随机采样能力。以往的做法往往是将随机采样与稳定计算分配给不同的器件或依赖外部软件处理，这种设计不仅大幅增加了芯片面积、布线复杂度、功耗以及时延，还导致整个系统显得异常臃肿。更进一步讲，寻找一个既能同时实现这两种功能，又与传统互补金属氧化物半导体（CMOS）制造工艺兼容且易于扩展的单一存储硬件平台，其难度同样非同小可。
为了克服这些障碍，研究团队独具匠心地利用了基于氧化铪的铁电存储器特有的电压依赖性。电状态会随施加电压的不同而呈现差异。在较高电压条件下，该器件会产生显著的随机电报噪声（RTN），非常适合用于执行充满不确定性的随机采样。而在较低电压条件下，RTN会被有效抑制，器件则依靠非易失多级电导态，执行稳定可靠的矢量—矩阵乘法计算。这样，随机性与稳定性这两种看似难以调和的特性，在同一块铁电存储阵列中实现了完美结合。
研究团队在15厘米晶圆上制造的铁电存储器阵列上，对这一构想进行了实验验证。通过细致调节电压参数与采样时间，并对潜在向量分布进行优化，他们成功将这一系统应用于变分自编码器，并使用人脸数据集来生成图像。实验结果显示，系统能够自然地生成具有各种面部特征的图像。更令人鼓舞的是，即便系统经历了约10万次重复操作，其生成性能依然保持着高度稳定。
研究团队的表述是，这项研究堪称生成式AI硬件发展过程中的一个关键性里程碑。因为它首次证实，原本被分隔开的两大功能，确实可以在一个与CMOS工艺兼容的铁电存储器平台上得以实现。这项全新的AI半导体技术预计将有助于提升片上生成式AI加速器、神经形态系统以及低功耗边缘AI芯片等应用的性能，并能有效降低能耗。
编辑：祝萍
