コンピュータの脳を、データが交通量となる賑やかな都市として想像してみてください。何十年もの間、この都市は「フォン・ノイマン・ボトルネック」として知られる深刻な交通渋滞に陥っていました。この旧来のデザインでは、データの保管場所（メモリ）と、それが処理される場所（脳）が異なる建物に分かれています。作業を進めるためには、データがこれら二つの建物の間を絶えず往復しなければならず、まるで渋滞の中でアイドリングしている車のよう、時間とエネルギーを浪費しています。現在、科学者たちは、ストレージと思考が同じ場所で行われる新しい形の都市、すなわち「インメモリ・コンピューティング」と呼ばれる概念を構築しようとしています。
この新しい都市を高速かつ低発熱で機能させるために、研究者たちは電気の代わりに光を利用しようとしています。光は、遅延がほとんどなく、極めて細いワイヤーの中を駆け抜け、熱もあまり発生させません。しかし、光に「思考」という重労働をさせるためには、光の透過量を変化させることができる特別な「信号機」が必要であり、さらに、その状態を維持するために常に電力を使い続けて扉を開けておく必要がないものでなければなりません。ここで登場するのが「相変化材料」です。これらの材料を、透明（光を通す）と不透明（光を遮る）の間を瞬時に切り替えることができ、一度切り替わると、再び指示が出るまでその状態を維持し続ける「魔法のガラス」だと考えてください。大きな課題は、高速に切り替わり、極めて少ないエネルギーを使用し、単なるオン／オフのスイッチではなく、数十段階の異なるグレーの濃淡を作り出せるように調整できる材料を見つけられるかどうかです。
本論文は、その役割を担う新たな候補を紹介しています。それは「Ge4Sb6Te7」、略して「GST-467」と呼ばれる材料です。研究者たちは単に推測したわけではありません。まず、ラボにおいてこの材料が光とどのように相互作用するかを正確に測定しました。次に、強力なコンピュータ・シミュレーションを用いて、この材料を使用したシリコンチップ上の極小のスイッチを設計しました。彼らの設計の秘訣は「セグメンテーション（分節化）」にあります。材料を一本の長いストリップとして使うのではなく、小さな隙間で区切られた11個の極小の交互セグメントに切り刻んだのです。
彼らのシミュレーション結果は非常に有望です。この切り刻まれた設計は、非常に効率的な調光スイッチとして機能することが分かりました。標準的な未分割のデザインと比較して、彼らのセグメント化されたスイッチは、主要な性能スコアを7倍以上に向上させました。これは、「オフ」の時には光をほぼ完全に遮断でき（48.36 dBのコントラストを達成）、一方で「オン」の時には、損失を極めて低く抑えつつ、ほぼすべての光を通すことができます。この材料は多くの異なる暗さのレベルに調整可能であるため、チームはこの単一のスイッチが、単純な0または1だけでなく、最大48の異なる値、つまり「状態」を表現できることを示唆しています。
これが人工知能（AI）において実際に機能するかを確認するため、チームはニューラルネットワーク（一種のコンピュータの脳）における「重み」（重要度の設定）として、これらのスイッチを使用するシミュレーションを行いました。彼らは、ファッションアイテムの識別と手書き文字の認識という、2つの有名な画像認識チャレンジを用いてテストを行いました。GST-467のスイッチを用いたネットワークは、他の既知の材料を用いたネットワークよりも優れた性能を示し、高い精度を達成しました。さらに、シミュレーションによれば、レーザーパルスを使用してこれらの材料を透明から暗い状態（またはその逆）へ切り替えるために必要なエネルギーは、1ナノジュール未満と極めて微量です。このことは、もしこれらが製造されれば、これらのデバイスが驚異的に高速かつエネルギー効率が高くなり、熱暴走したりバッテリーを消耗したりすることのない次世代のスマートコンピュータの構築に貢献できる可能性を示唆しています。ただし、これらの結果は現在、詳細なコンピュータモデルと材料特性のラボ測定に基づいたものであり、実世界のアプリケーションを実行する完全に組み立てられテストされたチップによるものではないことに注意が必要です。
技術要約：SOIプラットフォームにおけるセグメンテーション設計されたGe4Sb6Te7スイッチ
問題提起
深層ニューラルネットワーク（DNN）の急速な拡大は、従来のフォン・ノイマン型アーキテクチャにおける深刻な限界、具体的には「フォン・ノイマン・ボトルネック」（メモリとプロセッシングユニット間の頻繁なデータ転送）に起因する帯域幅、レイテンシ、およびエネルギー消費の問題を露呈させている。インメモリ・コンピューティングやフォトニック集積回路（PIC）は、高速かつ低エネルギーの推論を実現するための有望な解決策であるが、既存の相変化材料（PCM）スイッチは課題に直面している。従来の材料であるGe2Sb2Te5（GST-225）は、高い挿入損失や限定的な光学コントラストに悩まされることが多い。一方で、低損失な代替材料（GSSTやGSSなど）は、高精度なマルチレベル・スイッチングに必要な高い消滅比（エクステンション・レシオ）を欠く傾向がある。さらに、既存の多くのPCM実装は、SOI（Silicon-on-Insulator）プラットフォーム上において、消滅比（ER）と挿入損失（IL）のトレードオフを最大化するためのコンパクトなフットプリントや最適化されたトポロジーを欠いている。新しく発見されたGe4Sb6Te7（GST-467）材料のSOIプラットフォームへの適用、およびこの特定の組成に対するセグメント化されたスイッチ・トポロジーの潜在的な利点に関する文献には、明確な空白が存在する。
手法
著者らは、マルチレベル・フォトニック・コンピューティングのための高コントラスト光学PCMとしてのGST-467を調査するために、包括的な計算および実験的アプローチを採用した：
- 材料特性評価： 非晶質および結晶質GST-467の複素屈折率（n および k）を、30 nm厚の薄膜に対する分光エリプソメトリを用いて実験的に測定した。これらの経験的な光学定数は、その後のすべてのシミュレーションの入力として使用された。
- デバイス設計： 標準的なSOIプラットフォーム（幅500 nm、高さ220 nm）上に、30 nmのGST-467トップクラッディング層とAl2O3パッシベーションを備えたセグメント化されたフォトニック・スイッチを設計した。従来の非セグメント設計とは異なり、このトポロジーは、エッチングされたギャップによって分離された複数のPCMセグメントを導波路に沿って分散配置している。
- 光学シミュレーション： 1550 nm（Cバンド）において、3次元差分時間領域法（FDTD）シミュレーション（Ansys Lumerical）を実施した。設計は、ERとILの比として定義される性能指数（FOM）を最大化するように、幾何学的パラメータ（Lseg、Letch、および総長 LPCM）をスイープすることで最適化された。中間的な結晶化状態をモデル化してマルチレベル動作を実現するために、有効媒質近似（EMT）が使用された。
- マルチフィジックス・シミュレーション： 熱伝導と確率的な結晶化ダイナミクスを統合した結合熱光学フレームワークを用い、レーザー誘起相転移をシミュレートした。これにより、660 nmのレースパルスを用いた結晶化（Set）およびアモルファス化（Reset）のためのエネルギー要件を決定した。
- システムレベルのベンチマーク： 光学的透過特性を離散的なシナプス重みにマッピングした。これらの重みは、単一層隠れ層を持つフォトニックDNNモデルに統合され、Fashion-MNISTおよびEMNISTデータセットを用いた分類精度の評価に使用された。性能は、同じ最適化されたデバイスジオメトリを用いて、他のPCM組成（GST-225、各種GSSTおよびGSS合金）と比較ベンチマークを行った。
主な貢献
- GST-467の実験的検証： 本論文は、非晶質および結晶質の両状態におけるGST-467の複素屈折率の最初の実験的測定を提供し、従来のGST-225と比較して著しく高い光学コントラストを明らかにしている。
- セグメント化トポロジーの最適化： 著者らは、セグメント化されたスイッチ・アーキテクチャが、非セグメント設計を大幅に上回ることを示している。セグメント長（Lseg=80 nm）およびギャップ長（Letch=50 nm）を総PCM長 LPCM=880 nmに対して最適化することで、設計は0.86 dBの挿入損失のみで48.36 dBの消滅比を達成した。
- マルチレベル能力： GST-467の高いコントラストとセグメント設計の組み合わせにより、最大48の異なる光学状態（保守的な0.5 dBの間隔と-25 dBmの検出フロアに基づく）の解像が可能となり、同一プラットフォーム上の他のテスト済みPCMの能力を大幅に超えている。
- エネルギー効率： マルチフィジックス・シミュレーションは、全光学的スイッチングメカニズムが、結晶化（~0.5–0.6 nJ）およびアモルファス化の両方においてサブナノジュール（sub-nJ）のエネルギーを必要とすることを示しており、デバイスのフットプリントは約0.69 μm2 である。
- DNN性能： 本研究は、材料特性をシステム性能に結びつけており、GST-467の高い解像レベルが、他のPCM材料と比較して、DNN推論タスクにおける優れた分類精度に直接つながることを示している。
結果
- 光学性能： 最適化されたセグメント化GST-467スイッチは、55.91の性能指数（FOM）を達成し、これは等価な非セグメントデバイス（FOM = 7.75）よりも7倍以上高い。デバイスはCバンド（1550 nm）で最適に動作するが、Lバンドまで堅牢な性能を維持する。
- マルチレベル状態： 固定されたジオメトリの下で、GST-467は48の解像可能な透過レベルをサポートする。対照的に、GST-225は37レベルをサポートし、低損失なGSSTおよびGSSバリアントは、結晶状態における消滅係数が低いため、大幅に少ないレベル（2から26の範囲）しかサポートしない。
- 熱力学： シミュレーションにより、セグメント化された構造における熱拡散時間はプログラミングパルス持続時間よりも数桁速く、すべてのセグメントにわたって均一な結晶化を保証することが確認された。この設計は、アレイ内の隣接するスイッチ間の熱クロストークを最小限に抑える。
- 推論精度： フォトニックニューラルネットワークのマルチレベル重みとして展開された際、GST-467スイッチは、**Fashion-MNISTで87.29%、EMNISTで79.90%**のテスト精度を達成した。これらの結果は、テストされたすべての材料の中で最も高く、材料の持つ広い動的範囲の重みをサポートする能力と相関している。
意義と主張
本論文は、GST-467を、スケーラブルで低エネルギーのフォトニック・コンピューティングおよびニューロモーフィック・ハードウェアのための非常に有望な材料として位置づけている。著者らは、新たに発見されたGST-467材料とセグメント化エンジニアリングされたSOIトポロジーの組み合わせが、フォトニックニューラルネットワークにおける重要なボトルネックに対処すると主張している：
- 高コントラストと低損失： この設計は、受動的光ネットワークにおける多くの層をカスケード接続するために不可欠な、高い消滅比と低い挿入損失という稀な組み合わせを実現している。
- スケーラビリティ： サブミクロン・フットプリントとサブnJのエネルギー要件により、大規模なインメモリ・コンピューティング・アレイへの高密度な集積に適している。
- 精度： 48の異なる光学状態を解像できる能力は、より高い実効的な重みの精度を可能にし、既存のPCM技術と比較して量子化誤差を減少させ、推論精度を向上させる。
- 非揮発性： デバイスは静的な電力消費なしに重みの非揮発的な保存を提供し、揮発性チューナーのエネルギー非効率性を解決する。
著者らは、本研究が、現在の相変化フォトニック・スイッチの限界を克服するために、GST-467のユニークな光学特性を活用した、実用的で高性能なフォトニック・ニューラル推論エンジンのための基礎的なステップを提供するものであると結論付けている。
毎週最高の applied physics 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。登録