據格勒諾布爾實驗室 CEA-Leti 領導的法國團隊稱，內置在 IC 金屬層中的單一結構可以實現機器學習和模擬 AI 推理，下面的 CMOS 也可用于處理。

該結構由兩個金屬互連層組成，有四層：底部的 TiN、硅摻雜的 HfO2、Ti 清除層，然后是頂部的 TiN。

就目前而言，這是一種鐵電電容器結構，但經過一次電氣成型作（通過氧化鏗長出導電螺紋）后，它就變成了可重新編程的憶阻器結構。

這允許在該層的任何地方隨意制作任何一個設備。

CEA-Leti 表示：“鐵電電容器允許快速、低能耗的更新，但它們的讀取作具有破壞性，因此不適合推理。憶阻器在推理方面表現出色，因為它們可以存儲模擬權重，在讀取作期間節能，并支持內存計算。[然而]雖然憶阻器的模擬精度足以進行推理，但它不足以進行學習，學習需要小的、漸進的權重調整。

在使用中，這個想法是片外訓練最初可用于將推理模型編程到憶阻器陣列的電導中。

隨后，該 IC 將運行一種學習算法，將其神經網絡權重以數字方式存儲在鐵電電容器陣列中，這些新權重將用于更新憶阻器中的模擬權重。

“前向和后向傳遞使用以模擬方式存儲在憶阻器中的低精度權重，而更新則使用更高精度的鐵電帽來實現，”研究負責人 Michele Martemucci 說。“憶阻器會根據存儲在鐵電帽中的 [三個] 最高有效位定期重新編程。”

該概念驗證器件采用標準 130nm CMOS IC 制成，具有 16,384 個鐵電電容器單元（每個單元有一個電容器和一個晶體管）和 2,048 個憶阻器單元（一個憶阻器和一個晶體管）。

10 個電容器存儲單個有符號數字整數，憶阻器成對運行以存儲差分（因此有符號）值。

為避免需要DAC將數據從數字電容傳輸到模擬憶阻器，最重要的三個電容的面積比（以及電荷）比為1：2：4，允許使用簡單的模擬求和來設置憶阻器。

CEA-Leti 與格勒諾布爾阿爾卑斯大學、CEA-List、CNRS、波爾多大學、波爾多 INP、法國 IMS、巴黎薩克雷大學以及納米科學和納米技術中心合作。

有關詳細信息，請閱讀 Nature Electronics 論文“用于訓練和推理的鐵電憶阻器存儲器”。這篇寫得清晰的論文可以完整閱讀，無需付費。

根據這篇論文：基于 IC 的神經網絡“是使用隨機梯度下降算法進行訓練的......在多個邊緣基準測試中獲得的結果與浮點精度軟件模型獲得的結果具有競爭力，并且沒有與硬件約束相關的耐用性限制。我們觀察到憶阻器狀態長達一個月的穩定性......重量轉移糾正憶阻器電導水平的任何漂移“。