神經(jīng)形態(tài)計算是一種新型的計算范式,，它模仿生物神經(jīng)網(wǎng)絡（如人腦）的結(jié)構(gòu)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(jīng)形態(tài)計算發(fā)展至今經(jīng)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(jīng)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(jīng)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(gòu)在CMOS工藝和器件結(jié)構(gòu)基礎(chǔ)上的一種神經(jīng)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(gòu)復雜等問題,。真正的神經(jīng)形態(tài)計算必須采用新型材料構(gòu)成的帶有易失性阻變特性的器件，對生物神經(jīng)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(shè)計的范式,，并不斷突破著能算比的極限。

　　圖1：生物神經(jīng)系統(tǒng)和神經(jīng)形態(tài)計算對比

　　神經(jīng)形態(tài)器件是神經(jīng)形態(tài)計算系統(tǒng)的基本模塊,。它們是模擬生物神經(jīng)元和突觸行為的電子元件,，例如尖峰、可塑性和記憶,。神經(jīng)形態(tài)器件可以基于不同的技術(shù),，例如憶阻器、相變材料,、自旋電子學或納米線,。神經(jīng)形態(tài)陣列是實現(xiàn)復雜神經(jīng)結(jié)構(gòu)和功能的互連神經(jīng)形態(tài)設(shè)備的大規(guī)模網(wǎng)絡。

　　神經(jīng)形態(tài)計算為神經(jīng)形態(tài)器件和陣列的設(shè)計,、制造和測試帶來了一些挑戰(zhàn)和機遇,。一方面,，神經(jīng)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(jīng)形態(tài)設(shè)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(jīng)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(guān)過程固有的隨機性和不均勻性引起的,。設(shè)備可變性會影響神經(jīng)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(shè)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(shè)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(jīng)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(jīng)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(zhì)集成所形成的阻變器件而構(gòu)成,。

　　圖2：突觸權(quán)重特性圖示

　　圖3：兩端口存算器件

　　研究神經(jīng)形態(tài)陣列的優(yōu)勢

　　神經(jīng)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(jīng)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(jīng)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(shù)兼容,，利用其成熟的制造工藝和設(shè)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(shù)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(guān)測試，甚至可以利用測試的平臺直接進行神經(jīng)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(guān)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(guān)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(guān)可塑性,、學習、記憶和神經(jīng)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(jié)構(gòu)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(wǎng)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(jīng)形態(tài)算法有別于卷積神經(jīng)網(wǎng)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(jīng)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(chǎn)品，在神經(jīng)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(nèi)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(jīng)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(nèi)部結(jié)構(gòu)，SMU和PMU復用一個輸出

　　矩陣開關(guān)選擇

　　圖5：三端結(jié)構(gòu)（例如：1T1R結(jié)構(gòu)）,。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(guān)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(guān)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(jié)構(gòu),，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(guān),，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(guān),，漏流低于100fA,，支持4225-PMU脈沖信號切換。

　　矩陣開關(guān)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(wǎng)示意圖，僅表示一種通用的連接形式,，具體配置請和Tektronix技術(shù)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(nèi)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(nèi)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(diào)試功能，支持更加靈活的脈沖波形編輯和測量,?？梢暬慕缑嬷休斎氲臅r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(diào)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(shè)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(diào)配Read的方式,。

　　同樣，對于神經(jīng)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(chǔ)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(jīng)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(jié)

　　對于Tektronix/Keithley神經(jīng)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(wǎng)絡規(guī)模和設(shè)備架構(gòu)，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(guān)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(wǎng)絡的優(yōu)化和驗證,。

• 易于開發(fā)新的測量技術(shù)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(wǎng)絡進行表征和評估， 探索 Memristor 器件和網(wǎng)絡在神經(jīng)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),。

更多精彩內(nèi)容歡迎點擊==>>電子技術(shù)應用-AET<<