《Applied Materials Today》:Bio-realistic emulation of complex synaptic plasticity and logic via a fully screen-printed flexible neuromorphic transistor
编辑推荐:
柔性有机电化学晶体管实现多模态突触可塑性及低功耗神经形态计算
Lokesh Kumar|Siddharth Kurup|Bharat Bhushan Bhatt|Dipti Gupta
塑料电子与能源实验室,隶属于印度孟买理工学院(Indian Institute of Technology Bombay)的冶金工程与材料科学系,马哈拉施特拉邦400076
摘要
在下一代受大脑启发的计算技术中,弥合生物学习规则与工程硬件之间的差距至关重要。然而,在可扩展的电子设备中复制复杂的认知功能(如遗忘曲线)仍然是一个挑战。在这里,我们展示了一种完全通过丝网印刷制造的柔性有机电化学晶体管(OECT),该晶体管使用离子液体掺杂的凝胶电解质作为高性能的人工突触。这种多端设备表现出一系列神经形态行为,包括短期和长期可塑性、配对脉冲促进效应以及艾宾豪斯遗忘曲线的仿真,且每个脉冲周期仅消耗24纳焦耳的能量。此外,该设备在弯曲半径为5毫米的情况下仍具有出色的突触可塑性和机械灵活性,并支持多个门的横向耦合以实现“或”逻辑门操作。通过结合可扩展的制造技术和强大的神经形态性能,这项工作为将复杂的、受大脑启发的计算集成到下一代柔性智能系统中提供了有希望的途径。
引言
近年来,神经形态设备的研究日益受到关注,因为它们被认为是实现人工神经网络和先进深度学习算法的重要步骤[1],[2],[3],[4]。对新型计算设备的兴趣也源于冯·诺伊曼架构(von Neumann architecture)的明显缺陷,即冯·诺伊曼瓶颈,由于处理器与存储单元之间的持续数据交换,这种架构限制了计算速度和能效[5],[6]。此外,随着互补金属氧化物半导体(CMOS)技术接近其物理极限,在传统冯·诺伊曼架构上的应用也面临挑战[7]。从最基本的角度来看,大脑可以被认为是一个生物神经网络,拥有接近10^11个神经元和10^15个突触[2]。将神经元和突触视为大脑的最小学习和计算单元,这个高度密集的神经网络具有功耗低、计算并行性强、容错性高、存储与计算结合以及自我学习能力的特点[6],[8],[9],[10]。
考虑到神经形态设备仍处于发展初期,目前存在多种方法,每种方法都有其优缺点。半导体材料(如金属[11]、碳基材料[12]、硫属化合物[13]、二维材料[14],[15]和生物材料[16]已被用于研究人工突触[17],[18]。例如,两端(2T)忆阻器(memristors)相比三端设备具有更小的占用面积和更易于集成到交叉开关架构中的优势[19]。然而,它们的操作也有一些缺点,如可编程状态较少、高度随机性以及导电性不对称[20]。在神经形态设备中,较大的可调导电范围是一个非常理想的特性,可以提高读写状态的准确性。
另一方面,三端(3T)设备(即晶体管)通过第三个(栅极)电极精确控制通道的导电性,同时允许独立的输入和输出端[1],[21]。有机聚合物材料在电场作用下容易实现离子渗透[20],[22],特别是有机电化学晶体管(OECTs)利用半导体的体相电化学掺杂机制,可以实现广泛的动态导电范围、多个可编程状态[23],[24]、高电导率[25]、连续的导电调节[26],[27]以及与生物突触相当的低驱动电压下的生物相容性[22]。最近的综述进一步强调了有机神经形态电子技术在开发节能型人工智能硬件中的重要性[18]。通常,OECTs使用液态电解质作为栅极介质,这给固态设备的制造和集成带来了困难[28]。2015年,Paschalis Gkoupidenis等人展示了一种使用KCl电解质的OECT用于神经形态设备[29]。该设备在每个脉冲输入后还会出现反向脉冲事件,从而使极化的可塑性变得更加复杂。我们在补充材料中验证了类似的结果。离子凝胶电解质与PEDOT:PSS通道之间的界面在物理上模仿了突触间隙,其中离子迁移功能上模拟了神经递质的扩散,从而实现了生物兴奋和抑制的直接硬件转化。
然而,开发一种同时具有可扩展性、低成本且兼容柔性多设备集成的制造工艺仍然是一个重大障碍。虽然存在多种方法,但它们通常涉及复杂的多步骤过程,如光刻或旋涂,这些方法难以适应大面积柔性基底。为了解决这一挑战,我们介绍了一种完全可以通过丝网印刷在独立离子凝胶膜上制造神经形态OECT的方法。这种方法不仅简化了制造过程,还实现了多个栅极电极的集成,从而支持高级逻辑运算。为了解决这些问题,我们提出了使用固态凝胶电解质作为基底和栅极电解质的有机电化学晶体管(OECT),这种电解质可以通过丝网印刷技术进行加工。丝网印刷制造技术可以实现低成本和快速的制造,从而实现传感器和电子设备的高度集成和混合实现[30]。柔性神经形态设备还有能力在软体机器人和假肢中实现受大脑启发的计算[31],[32]。在这里,探索了以离子凝胶形式存在的离子液体-聚合物基质复合材料(也称为固态聚合物电解质)在多状态设备操作中的应用[28],[33]。开发神经形态硬件的一个核心目标是复制生物突触的功能。这些连接神经元的节点,其效率(或突触权重)由传入刺激的时机和频率动态调节。这种适应性能力被称为突触可塑性[34]。广义上,突触可塑性分为两种主要形式:短期可塑性(STP),涉及从毫秒到几秒的瞬时权重变化;以及长期可塑性(LTP),描述的是持续更长时间的修改。不同的外部刺激协议可以诱导不同形式的突触可塑性。因此,我们的设备对这些行为进行了表征,包括兴奋性突触后电流(EPSC)、配对脉冲促进效应(PPF)、配对脉冲抑制效应(PPD)、脉冲数依赖的塑性(SNDP)、脉冲率依赖的塑性(SRDP)、脉冲宽度依赖的塑性(SWDP)和脉冲强度依赖的塑性(SIDP)[35],[36]。该设备在弯曲时还表现出出色的机械灵活性和高耐久性以及可靠的电子性能,使其成为未来可穿戴神经形态计算应用的有希望的候选者。
材料
PVDF-HFP从Sigma Aldrich购买,平均分子量为455000;1-丁基-3-甲基咪唑四氟硼酸盐(BMIM:PF6)离子液体从TCI购买,纯度>98.0%;丙酮从Emparta购买,纯度>99.5%。可丝网印刷的聚(3,4-乙烯二氧噻吩)聚苯乙烯磺酸盐(PEDOT:PSS)导电丝网印刷油墨膏(产品编号768650)也从Sigma-Aldrich购买。硅橡胶液体(Sylgard 184,固化剂与硅橡胶的比例为10:1)和聚二甲基硅氧烷(PDMS)被用作模具。
结果与讨论
图1展示了两个神经元之间形成的生物突触以及右侧类似的神经形态OECT设备。生物突触中的突触后电位由与突触后神经元上的特定受体结合的化学神经递质控制,或者由调节通过突触的离子电流的动作电位控制。对于神经形态OECT,I_D被视为突触后信号(称为I_Post或EPSC),它由栅极调节。
结论
在这项工作中,我们成功地将生物记忆模型工程化并转化为物理硬件,制造出了完全通过丝网印刷制造的、柔性的、独立的人工突触,该突触基于PEDOT:PSS OECT,并与离子液体掺杂的凝胶膜集成。该设备表现出卓越的神经形态性能,每个脉冲事件仅消耗24纳焦耳的能量。我们证明了这一平台能够成功模拟多种关键的突触行为。
资助
D.G. 感谢科学与工程委员会(SERB)的资助,资助编号为SPF/2021/000021。
CRediT作者贡献声明
Siddharth Kurup:研究、数据管理。
Bharat Bhushan Bhatt:撰写 – 审稿与编辑。
Lokesh Kumar:撰写 – 审稿与编辑、初稿撰写、可视化、验证、软件开发、研究、形式分析、数据管理、概念化。
Dipti Gupta:撰写 – 审稿与编辑、监督、项目管理、资金获取。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
作者感谢印度理工学院(IIT)孟买分校的冶金工程与材料科学系以及先进的分析仪器设施(SAIF)提供的仪器支持。作者还感谢IIT孟买分校的AFM表征设施和TEM-300 kV MEMS设施提供的TEM表征服务。
注释
作者声明没有财务利益冲突。