基于Si/SiGe异质结场效应晶体管（HFET）的高能效可调尖峰频率适应脉冲神经元

《Neurocomputing》：Energy-efficient and tunable spike frequency adaptation using spiking neuron based on heterostructure field-effect transistor

　　

本研究通过TCAD（technology computer-aided design）仿真实现了一种具备高能效且可调尖峰频率适应（spike-frequency adaptation, SFA）的脉冲神经元。该神经元采用硅/硅锗异质结场效应晶体管（silicon/silicon–germanium heterostructure field-effect transistor, HFET），其表现出以低锁存开启电压和高锁存关断导通电流为特征的陡峭开关迟滞。这些特性使低电压运行与快速自复位成为可能，从而降低尖峰能耗。响应于尖峰发放，自适应反馈（adaptive-feedback, AF）模块将放电信号反馈至膜节点，在持续输入下逐步诱导稀疏放电。通过将HFET的低能耗能力与适应所需的小电路开销相结合，所提出的神经元能够以7个电路元件实现高能效运行（≤2.5 μW和≤4 pJ/spike）。此外，栅偏压调制通过提供对适应参数的精细控制，支持针对非理想突触输入波动的适应性放电调节。这种可调性可有助于神经元稳态（neuronal homeostasis），这对于在硬件脉冲神经网络（spiking neural networks, SNNs）中维持稳健计算至关重要。

研究背景与问题：边缘智能系统对实时处理的需求推动神经形态计算和脉冲神经网络（spiking neural networks, SNNs）发展。SNN以离散尖峰事件进行异步计算，脉冲神经元的固有发放动态决定网络活动的时间演化。大规模SNN需集成大量神经元，因此紧凑、低能耗的神经元电路十分重要。泄漏积分发放（leaky integrate-and-fire, LIF）模型因简单而被硬件广泛采用，可按输入电流水平产生尖峰，但其只产生单一规律发放模式，难以表示生物神经系统中多样的时间动态，并在重复背景输入下产生不必要尖峰。尖峰频率适应（spike-frequency adaptation, SFA）是增强显著输入响应、抑制冗余或低显著活动的关键仿生机制，具有时间高通滤波、提高新刺激敏感性和噪声鲁棒性、稀疏化尖峰活动、节省能量并保留先前输入信息等功能。硬件实现SFA需额外组件维持短时记忆以追踪输入模式历史，通常增加面积和功耗；CMOS SFA可实现低能耗，但小膜电容会增加噪声敏感性；反馈场效应晶体管（feedback field-effect transistor, FBFET）可借助突变开关抑制静态功耗，但整体电路元件仍多；硅-氧化物-氮化物-硅（silicon-oxide-nitride-silicon, SONS）栅堆叠单器件神经元能耗高且复位慢；VO₂忆阻器神经元能耗低，但器件间差异大且多数无栅极，限制动态阈值调节；忆阻突触交叉阵列还存在电导变化、IR-drop和读噪声等空间相关非理想性，因此神经元级栅偏压调节对维持目标发放很重要。基于此，研究人员开展基于Si/SiGe HFET的CMOS兼容脉冲神经元研究，以实现高能效且可调的SFA。

研究开展与总体结论及意义：研究人员通过TCAD校准仿真提出由LIF块和自适应反馈（adaptive-feedback, AF）块组成的脉冲神经元，仅含7个电路元件：1个HFET、3个MOSFET、2个电容和1个电阻。HFET利用双稳电阻态产生周期神经振荡并作为阈值触发与自复位器件；AF块以尖峰驱动反馈泄漏实现SFA。器件分析表明，提高HFET体区SiGe中Ge含量会降低锁存开启电压并提高锁存关断导通电流，归因于增强的碰撞电离和空穴存储能力；该迟滞行为降低发放阈值和复位延迟，从而降低功耗与尖峰能耗。总体结论为：该神经元可实现≤2.5 μW和≤4 pJ/spike的高能效运行，并可通过栅偏压调制精确控制SFA参数，补偿突触输入波动，有助于神经元稳态。其意义在于以紧凑电路架构提供栅可调、高能效的SFA，为神经形态硬件中的自适应传感处理应用提供方案。

关键技术方法：采用Sentaurus TCAD对Si同质结与Si/SiGe HFET及所构自适应积分发放（adaptive integrate-and-fire, AIF）神经元进行器件与混合模式瞬态仿真；以SOI-MOSFET滞回实验数据校准物理模型参数；使用Fermi-Dirac分布、流体动力学、Philips unified mobility、高场饱和与掺杂依赖迁移率、Oldslotboom带隙窄化、掺杂依赖Shockley-Read-Hall（SRH）与Auger复合、雪崩产生等模型；Si/SiGe材料参数取实验报道值；未涉及样本队列来源。

研究结果：
3.1 器件特性（Device Characteristics）：通过准静态I_D-V_DS滞回特性仿真及不同Ge含量提取，得出随x从0.0增至0.4，V_LU由1.78 V降至1.45 V，V_LD由1.66 V降至0.95 V；V_LD处导通电流约5 μA，比Si同质结高约两个数量级。其原因在于窄带隙增强碰撞电离，以及ΔE_v形成的价带势阱增强空穴限制和存储。低V_LU降低发放阈值，高I_on加快膜电容放电和自复位，从而降低尖峰能耗。

3.2 LIF运行（LIF operation）：通过能带图、空穴浓度分布及积分-发放-复位流程分析，得出LIF块由HFET的高阻态（high resistance state, HRS）与低阻态（low resistance state, LRS）转变控制。积分阶段V_mem随I_syn充电上升并伴少量泄漏；V_mem超过V_LU时正反馈触发HFET突变为LRS，输出电阻上产生尖峰；随后膜电容经HFET放电，V_mem低于V_LD时HFET自发回到HRS并重新积分。HFET高驱动能力分流I_syn，实现快速稳定自复位。

3.3 SFA行为的实现（Implementation of SFA Behavior）：通过AF电路四阶段机制和瞬态波形分析，得出尖峰经M1向C_ad充电使V_ad升高，M2提供泄放路径，M3将V_ad转换为膜放电电流I_M3，对应AIF模型中的适应电流w，逐步延长ISI。在I_syn=2 μA下，瞬时发放率（instantaneous firing rate, IFR）由151.5 kHz降至2.7 kHz，V_ad稳定于0.262 V，V_th由1.75 V逐渐趋近准静态V_LU的1.45 V。E_spike由4 pJ/spike降至1.2 pJ/spike，P_avg由3.2 μW降至2 μW，全程为2.5 μW和4 pJ/spike；I_syn由0.5 μA增至2.5 μA时IFR衰减比由99%降至80%，体现基于重要性的过滤。

3.4 栅极可控功能（Gate-controllable Function）：通过改变V_G2和V_GH并分析ISI与IFR，得出V_G2由75 mV增至100 mV时饱和ISI由372.6 μs降至143.7 μs，而初始ISI基本不变，因M2泄放加快、τ_w减小、适应减弱；V_GH由0 mV增至25 mV时初始IFR由101 kHz升至135 kHz，饱和IFR由1.3 kHz升至3.4 kHz，因V_th降低和I_M1减小；过渡时间由178.5 μs增至642.4 μs，所需尖峰数由4增至26。在ΔI_syn/I_syn=-50%时，将V_GH由0 mV调至30 mV、V_G2由100 mV调至110 mV，可使初始和饱和IFR恢复至接近基线，说明栅偏压调节可补偿突触输入波动并支持稳态调节。

3.5 与已报道自适应神经元的基准比较（Benchmarking Against Previously Reported Adaptive Neurons）：通过与CMOS AIF、AdEx、Izhikevich神经元以及FBFET、SONS-MOSFET、VO₂忆阻器自适应神经元比较，得出所提神经元具有栅可调SFA、7个电路元件（4个有源元件）、无需额外复位电路、P_avg≤2.5 μW和E_spike≤4 pJ/spike等特征；其验证方式为仿真。原文指出这些指标可通过电容缩小面向更低目标输入电流及大规模阵列实现进一步优化。

讨论总结与结论翻译：讨论部分强调，栅可调SFA可在不增加硬件修改的情况下调节神经元适应，以应对突触输入波动并维持目标尖峰模式，有助于神经元稳态；在大规模神经元阵列中，空间相关突触输入非理想性可通过共享或分组偏压控制缓解，从而降低布线和偏压生成开销；HFET的迟滞行为提供固有自复位，结合简单AF机制使SFA仅需7个电路元件。与已有实现相比，该工作在紧凑架构中实现可调SFA，并借HFET低阈值、高电流开关特性降低P_avg和E_spike。研究结论翻译：在本工作中，研究人员提出了一种基于HFET并与CMOS兼容电路共集成的脉冲神经元，能够实现可调且高能效的SFA动态。与Si同质结相比，具有Si/SiGe带隙工程结的HFET的锁存开启电压低1.2倍，锁存关断导通电流高250倍。通过将该HFET纳入神经元架构，发放阈值和复位过程持续时间得到有效降低，从而同时降低功耗和尖峰能耗（≤2.5 μW和4 pJ/spike）。此外，栅偏压调制能够精确控制SFA参数，实现优化的自适应动态以补偿突触输入波动。因此，所提出的脉冲神经元通过紧凑电路架构提供栅可调且高能效的SFA，为神经形态硬件中的自适应传感处理应用提供了一种有前景的方法。