基于氧化铟镓锌通道的电化学场效应晶体管在物理储备池计算中的创新应用

这篇研究论文创新性地开发了一种基于氧化铟镓锌(IGZO)通道的电化学场效应晶体管(EcFET)，用于物理储备池计算(PRC)。该器件通过栅极电压调控氧空位浓度实现阈值电压(VTH)调制，展现出≈300ms时间常数、104次耐久性和94.29%的图像识别准确率，为突破冯·诺依曼架构瓶颈提供了新型能效计算解决方案。

　　

随着大数据和人工智能时代对高效数据分析需求的增长，传统冯·诺依曼计算系统在并行处理方面的局限性日益凸显。储备池计算(RC)作为一种仅需训练输出层的能效计算范式崭露头角，而其实现在硬件层面的物理储备池计算(PRC)则面临工艺变异、材料降解和CMOS兼容性等挑战。

1 引言

人工神经网络(ANN)可分为前馈神经网络和循环神经网络(RNN)两类。RNN虽能处理时序信号，但存在梯度爆炸/消失等训练难题。RC系统通过固定内部权重、仅训练输出层权重，实现了高效时序数据处理。PRC采用忆阻器、场效应晶体管(FET)等物理器件实现储备层，其中动态忆阻器因其短期记忆(STM)特性成为理想候选。然而现有PRC器件在均匀性、耐久性等方面存在局限。

2 结果与讨论

研究团队提出了一种基于IGZO通道的电化学场效应晶体管(EcFET)。该器件通过栅极电场引发电化学氧化还原反应，调控通道中的氧离子注入/提取，从而改变作为n型掺杂剂的氧空位浓度。独特的氧化铟镓锌通道具有低离子扩散系数，可实现非线性权重更新和短期记忆特性。

器件采用W/IGZO/HfO_2-X/HfO₂/W栅堆栈结构，通道长度和宽度均为20μm。透射电镜(TEM)和能谱(EDS)分析证实了各层的成功沉积。与无电解质层的器件相比，含多孔HfO_2-X电解质层的EcFET表现出逆时针滞回特性，证实了氧空位浓度变化主导的工作机制。

通过改变溅射沉积时的氧分压(0-20%)，研究证实氧空位浓度增加会导致V_TH负向偏移。循环伏安(CV)测试显示峰值电流与扫描速率平方根呈线性关系，根据Randles-Sevcik方程计算得出IGZO的离子扩散系数为5.81×10^-11，低于WO_3-X的1.06×10^-10，这解释了其界面离子积累导致的非线性更新特性。

器件在3.5V/100ms写入脉冲和0.5V/10s读取脉冲下表现出≈300ms的时间常数。权重更新曲线显示电导变化量(ΔG)与脉冲幅度呈指数关系、与脉冲宽度呈线性关系。耐久性测试表明器件可稳定工作10⁴次循环，周期间(C2C)变异低于9.7%。

3 系统验证

采用MNIST数据集验证PRC系统性能。将28×28像素图像二值化后，每4像素为一组形成16种状态。通过多层感知机(MLP)和卷积神经网络(CNN)两种读取架构，系统分别达到93.95%和94.29%的识别准确率。与其他PRC器件相比，该EcFET在CMOS兼容性、耐久性和识别准确率方面均展现出优势。

4 实验方法

器件采用背栅结构，在热生长SiO₂衬底上依次沉积W栅极、45nm HfO₂栅氧层(ALD)、120nm HfO_2-X电解质层(溅射)和60nm IGZO通道层(溅射，氧分压4.76%)。经330°C退火1小时后完成源漏电极制备。所有电学测试均使用Agilent B1500A半导体参数分析仪完成。

5 结论

IGZO基EcFET通过栅压调控氧离子行为，利用低离子扩散系数实现界面电荷积累，兼具非线性更新和短期记忆特性。该器件展现出优异的CMOS兼容性和可靠性，为新一代能效计算系统提供了理想解决方案。