【摘 要】
：
金属-氧化物-半导体场效应晶体管（Metal-Oxide-Semiconductor Field Effect Transistor,MOSFET）的特征尺寸随等比例缩小规则不断减小,导致其亚阈值摆幅、电流开关比等性能变差,由其构成的静态随机存储器（Static Random-Access Memory,SRAM）的静态功耗较高,阻碍了其在低功耗设备中的应用。而隧穿场效应晶体管（Tunnel Fi
论文部分内容阅读
金属-氧化物-半导体场效应晶体管（Metal-Oxide-Semiconductor Field Effect Transistor,MOSFET）的特征尺寸随等比例缩小规则不断减小,导致其亚阈值摆幅、电流开关比等性能变差,由其构成的静态随机存储器（Static Random-Access Memory,SRAM）的静态功耗较高,阻碍了其在低功耗设备中的应用。而隧穿场效应晶体管（Tunnel Field-Effect Transistor,TFET）拥有较低的亚阈值摆幅、极低的泄漏电流以及良好的电流开关比等优点成为了在低功耗SRAM设计中替代MOSFET器件的最好选择之一。但由于TFET器件源漏极电压差小于零时存在不受栅极控制的正偏P-I-N电流,堆叠使用时导通能力变弱等问题,阻碍了TFET器件在低功耗SRAM中的应用。本文设计了一种基于TFET器件和MOSFET器件型11管SRAM单元电路。该单元电路充分利用TFET的器件优势,并利用MOSFET器件避免了TFET器件的正偏P-I-N电流,降低了SRAM的静态功耗,增加了SRAM单元的稳定性。此外,该SRAM单元在位交织结构的存储阵列中能够避免半选问题。最后,针对TFET器件堆叠使用时导通能力较弱的问题,本文采用写辅助技术从而增强了SRAM的写能力。在性能上,本文对提出的11管SRAM单元进行了仿真分析,并与一些典型TFET SRAM单元进行了对比,分析了在不同电源电压情况下SRAM单元的稳定性。结果表明,当电源电压为0.8V时,本文提出的11管SRAM单元的保持和读静态噪声容限比源极外接6管TFET SRAM单元和7管TFET SRAM单元增加了48%,写静态噪声容限比源极外接6管TFET SRAM单元和7管TFET SRAM单元增加了39%,比10管TFET SRAM单元的写静态噪声容限增加了75.7%。在读速度上,源极外接6管TFET SRAM单元和7管TFET SRAM单元受到存储阵列大小的影响,而本文设计的11管SRAM单元的读速度则不受存储阵列大小的影响。在写速度上,本文提出的11管SRAM单元比10管TFET SRAM单元的写速度提高了27.8%。在功耗方面,本文设计的11管SRAM单元在静态功耗上与10管TFET SRAM单元相近,比源极外接6管TFET SRAM单元和7管TFET SRAM单元降低了5个数量级,在读功耗和写功耗上也优于其他SRAM单元。可见本文提出的11管SRAM单元实现了低功耗设计目的并且增强了单元写能力和稳定性。
其他文献
玉米是我国重要的农作物之一,在玉米生长过程中,可以通过无人机拍摄玉米植株图像,利用计算机视觉技术对植株进行计数,以估计玉米总产量,并制定下一年的育种计划。然而,实际拍摄得到的玉米植株图像,会受到光照反射、背景相似等不利因素的影响,降低了植株计数的精度,影响了玉米植株分布情况的正确显示。针对上述问题,本文开展了以下两部分工作。（1）提出了一种基于改进YOLOv3的玉米植株计数算法。首先,对训练集中的
基于深度学习的汽车智能座舱系统旨在使用计算机视觉技术构建更加智能、安全的驾乘体验,其中,人脸活体检测技术和视线估计技术是该系统中的两个重要方向。但是从目前的研究而言,人脸活体检测和驾驶员视线估计在智能座舱中的应用还并不成熟,原因是一方面,普通RGB相机捕捉不到人脸的深度信息以及对单一模态数据的建模很难达到理想的效果,导致现有的活体检测模型在实际环境下鲁棒性普遍偏低,从而给人脸识别带来了安全隐患。另
软件定义网络（Software Defined Network,SDN）是新一代计算机网络架构。凭借数据转发和逻辑控制相分离的优势,软件定义网络相比传统网络能更快速地响应用户请求。同时,网络可编程特性则使其能方便地实现诸如负载均衡等复杂网络功能。然而,因为整个网络的逻辑控制功能都集成在逻辑控制平面,该平面发生故障将影响整个网络的性能,严重时将使整个网络瘫痪。针对控制器的分布式拒绝服务（Distri
人工智能作为一个曾经让人感到很遥远的词,往往只出现在各种影视作品中,然而现如今,这个词已经渐渐的深入到我们的生活中来。商品识别,人脸检测,面容支付,语音控制等等这些基于人工智能的技术极大的方便了我们的生活。而这些技术的发展也离不开优化的算法,诸如卷积神经网络的不断发展以及具有强大算力的硬件设备的支持。随着所需处理的数据量愈发庞大,目前的冯诺依曼结构由于速度的限制可能在不久的将来成为人工智能发展的瓶
科技的飞速发展促进了新兴技术被广泛的应用到人类的日常生活中,然而应用程序需要处理的数据量也随之陡增。由于内存技术的发展趋势不能像计算性能那样迅速扩展,从而导致了所谓的冯·诺依曼内存墙。为了解决“内存墙”及其带来的一系列问题,学者们提出了一种新型计算架构-存内计算架构。本文首先介绍了半导体行业发展的背景和现状,并从SRAM（Static Random Access Memory）存储单元着手,详细介
随着云计算技术的不断成熟,基于服务的系统（Service-Based System,SBS）正在快速增长,SBS根据业务流程的形式组合现有的服务为用户提供服务。但是这种架构也给系统的容错带来了更复杂的问题。在动态的云环境中,SBS的组件服务可能会遇到由于各种运行时异常（例如虚拟机故障、软件异常等）而导致的多维度服务质量（Quality of Service,QoS）下降的情况。及时且经济高效地处理
计算机视觉的处理和研究作为一个有价值和意义的课题受到研究者们的广泛关注。在计算机视觉问题中,图像的语义分割技术在自动驾驶汽车、军事武器、人机交互、智慧工地、虚拟现实、智慧生产等领域有着深远的影响,但是深度卷积神经网络的结构也会使得分割任务面对一些问题。一方面,深度神经网络在深层学习高级语义信息的过程中,部分边界轮廓信息和位置信息会丢失。另一方面,对于图像的语义分割的结果,由于特征包含的空间信息不足
随着数据的海量增长,许多用户选择利用云服务器存储数据,从而降低本地存储数据的负担。但是利用云服务器存储数据会导致数据的控制权和使用权分离。此外,云服务器可能由于软硬件故障等因素损坏用户数据。因此用户需要不定期的对外包数据进行完整性审计。然而随着云计算的发展,不可信的云服务器可能会泄露外包数据中的隐私信息。因此,隐私保护的数据完整性审计逐渐成为研究重点。尤其是在物联网环境下,面对跨域存储的外包数据,
动态随机存储器（Dynamic Random Access Memory,DRAM）是存储器产业的重要组成部分。灵敏放大器（Sense Amplifier,SA）作为DRAM的关键电路,在数据读取时发挥着至关重要的作用。在DRAM中,接入灵敏放大器的位线是成对存在的,灵敏放大器的功能是识别两端位线之间微弱的电压差,并将此电压差放大至外围电路可以识别的电压差。在生产过程中,由于晶体管阈值电压的不同,
激光自混合干涉法作为一种非接触式光学传感测量技术受到航天、生物医疗、自动驾驶以及自然灾害预防等领域专家的广泛关注。与传统双光束干涉方案相比,激光自混合技术具有结构简单、光路易于准直、灵敏度高、测量距离不依赖于光源的相干长度等优点,可实现远距离非合作目标物理量的测量。特别是激光自混合测量技术与外腔频移技术相结合可加强反馈光与腔内激光的干涉强度与频率,进一步拓展了激光自混合测量方案的应用领域。近年,基