基于银的神经形态器件的按需光学打印,用于仿生脑学习

《Journal of Materials Chemistry C》:On-demand optical printing of Ag-based neuromorphic devices for brain-inspired learning

【字体: 大 中 小 】 时间:2026年05月08日 来源:Journal of Materials Chemistry C 5.1

编辑推荐:

  神经形态计算是一种将存储和计算过程整合在同一物理系统中的计算方式,它通过模仿生物神经网络的大规模并行架构,有望克服冯·诺依曼瓶颈。自组装的、具有无序非线性连接性的网络在突触可塑性方面尤其具有潜力,但其制造过程通常需要真空沉积或复杂的化学处理,这限制了其广泛应用和普及。在这里,我们

  神经形态计算是一种将存储和计算过程整合在同一物理系统中的计算方式,它通过模仿生物神经网络的大规模并行架构,有望克服冯·诺依曼瓶颈。自组装的、具有无序非线性连接性的网络在突触可塑性方面尤其具有潜力,但其制造过程通常需要真空沉积或复杂的化学处理,这限制了其广泛应用和普及。在这里,我们提出了一种快速、按需的光学打印方法,用于生成连续的银纳米颗粒薄膜,随后经过退火处理。这种薄膜会自发地转变为具有可调形态的离散银纳米结构。通过系统地改变打印时间和退火条件,我们实现了基于银的神经形态设备,这些设备表现出可靠的电阻切换特性、短时和长期增强效应,并且重要的是,它们具备由耶尔克斯-多德森定律(Yerkes–Dodson law)所描述的兴奋依赖性性能,所有这些特性都是在无需外部CMOS电路的情况下实现的。这种方法提供了一种可复制、成本效益高且可扩展的自组织银网络制造途径,绕过了传统真空或化学密集型方法的限制。这些基于新兴架构的设备为开发可扩展的、自适应的先进神经形态计算硬件开辟了新的可能性。

引言

随着对人类大脑计算能力的复制的追求,神经形态系统的发展研究得到了广泛推进,旨在模仿大脑在内存中的并行处理能力以及在执行复杂任务时所需的低功耗效率。1,2 传统的冯·诺依曼架构将存储和逻辑分离,由于频繁的数据传输而受到吞吐量限制和高能耗问题的困扰,这对嵌入式系统、医疗设备和感知系统等实时应用构成了重大障碍。3–5 为了解决这些问题,受生物大脑启发的神经形态计算通过模拟神经网络,有望实现前所未有的能效和实时数据处理能力。6–8 人工神经网络的物理实现为传统计算硬件提供了替代方案,解决了关于能耗和处理速度的问题。在这方面,能够模拟生物突触行为的忆阻器件已成为神经形态系统的有前景的构建模块。9,10

近年来,神经形态设备作为传统计算平台的高性价比替代方案,引起了极大的兴趣。11–14 它们通过多种机制运作,如离子迁移、15–17 相变、18–20 电荷捕获-释放、21–23 以及电化学金属化。24–27 许多有机和无机材料被用作这些设备中的活性元素,以模拟突触功能,例如成对脉冲促进(PPF)、28–30 施密克-蒂芬-德林顿效应(STDP)和元塑性(metaplasticity)等。在众多探索的活性元素中,自形成的系统在结构和功能上更接近于生物神经网络。这些系统表现出无序的网络结构和非线性相互作用,由此产生了对模拟突触功能至关重要的涌现特性。35 文献中报道了多种自形成系统,例如银纳米线36–38 和锡纳米颗粒39–41。然而,这些系统往往依赖于特殊材料和复杂的制造流程。最近,通过润湿去除(dewetting)获得了离散的银人造突触网络(Ag ASN)结构,这些结构类似于生物神经网络,并展现出几种高级学习能力。42,43 然而,这种方法需要复杂的真空蒸发装置。后来引入了一种溶液处理方法来制造Ag ASNs,成功地再现了行为学习模式。44 尽管实现了突触功能所需的关键特性,但这种策略仍然依赖于特殊的前驱体,并且需要广泛的优化才能获得所需的架构。在这两种情况下,Ag ASN的形成都依赖于通过真空沉积或复杂溶液涂层的薄膜制备。这突显了需要一种更有效的方法,能够通过简单可靠的工艺实现这些系统的自发形成。最近,印刷神经形态设备因其简单性、可扩展性和与可穿戴技术的兼容性而受到了广泛关注,这些都是工业4.0革命的关键推动因素。45 虽然喷墨打印是主要技术,但光学打印提供了一种更直接、更高效的方法,可以按需制造,并且还具有实现高分辨率特征的优势。46–48 然而,只有少数研究探索了光学打印的神经形态设备。例如,已经展示了激光诱导的石墨烯忆阻器49 和激光打印的ZnO忆阻器50,但这些方法通常依赖于昂贵的激光系统和复杂的油墨配方,迄今为止仅表现出基本的忆阻切换特性。最近,我们首次展示了基于白光的光学打印任意等离子体纳米结构的方法,这是一种简单而强大的方法,可以实现无掩模、亚微米级分辨率的模式。51 在本研究中,这种简单高效的光学打印方法结合了改进的光学系统,被用来沉积连续的银颗粒薄膜,以开发人工神经形态设备。所得到的薄膜经过退火处理,形成了通常称为银人造突触网络(Ag-ASNs)的离散银岛屿,用于实现神经形态设备。分析了各种控制参数以获得所需的活性几何形状。制造了一个银神经形态设备,并研究了其切换行为。模拟了诸如短时可塑性(STP)和长期增强效应(LTP)等突触功能。值得注意的是,设备还模拟了由耶尔克斯-多德森定律描述的兴奋依赖性学习和记忆,这是一种基本的人类行为模式,而且这一切都是在没有任何外部CMOS电路的情况下实现的。重要的是,这种方法提供了一种成本效益高且易于获取的替代传统制造方法的方式,消除了对复杂真空系统或化学处理的依赖,同时实现了直接、按需的银结构图案化。此外,这种局部打印方法显著减少了材料浪费,并且与可扩展的并行设备制造兼容。这项研究展示了一种创新的制造银神经形态设备的方法,并模拟了更高阶的突触功能。

结果与讨论

通过光学打印,我们实现了在不涉及耗时且复杂的真空沉积或溶液技术的情况下获得连续银薄膜的目标。图1a展示了打印设置的示意图。简而言之,来自基于数字光处理(DLP)的投影仪的白光通过目镜、一个-100毫米的平凹透镜、一个300毫米的双凸透镜和一个二向色镜耦合到显微镜的10倍物镜上,以校准放大倍数并引导光束。使用标准柠檬酸还原法合成的100微升银纳米颗粒被放置在显微镜载物台上的玻璃片上,然后在样品上照射矩形白光图案(图S1,补充信息)。等离子体吸收峰位于约419纳米处,平均颗粒大小约为82纳米(图S2,补充信息)。包含等离子体共振波长的白光被纳米颗粒吸收,导致加热并在照射区域产生热梯度。这些梯度在周围流体中引发了密度驱动(浮力)对流和表面张力驱动(马朗戈尼)流动,使纳米颗粒朝向基底移动。当对流传输克服了纳米颗粒与基底之间的静电排斥力时,颗粒通过范德华相互作用紧密接触并附着在基底上。48 这一过程实现了精确的固定和图案化沉积,无需化学功能化或提高整体温度。图1

银颗粒薄膜打印。(a) 投影打印技术的示意图。(b)–(d) 打印3分钟、6分钟和9分钟后图案的光学显微镜图像(反射模式)。(e)–(g) 相应图案的FESEM图像,显示随着时间的推移纳米颗粒沉积有所改善。(h) 随着打印时间的延长,填充因子增加。(i) I–V特性显示电阻随打印时间的增加而降低,证实了连接性的提高。打印时间从1分钟到9分钟不等,以获得连续薄膜。图1b–d显示了3分钟、6分钟和9分钟时的反射(透射)模式光学图像(图S3,补充信息)。随着打印时间的增加,打印物的反射率(不透明度)提高,表明颗粒连接性得到改善,从而形成了颗粒薄膜。为了更详细地了解薄膜的形态,对打印区域进行了FESEM成像(图1e–g)。打印3分钟时(图1e),颗粒形成了有限面积覆盖网络的排列。打印6分钟时(图1f),连接性得到改善,打印9分钟时(图1g),由于额外覆盖层的生长,面积覆盖进一步增加。使用ImageJ(图S4,补充信息)对FESEM图像进行填充因子(FF,面积覆盖百分比)分析,发现FF从打印3分钟的约43%逐渐增加到9分钟的约90%,验证了连续颗粒薄膜的形成。进行了电导测量以确认薄膜的连续性(图1i)。对不同打印时间的薄膜施加了线性电压扫描(0–50 mV)。打印3–6分钟的薄膜显示出可忽略的电流,表明由于不连续性而电阻很高(>10 GΩ)。打印7分钟后,电流略有增加,8–9分钟时电阻显著降低,降至约20 kΩ。显微镜和电学研究共同表明,增加打印时间会导致连续颗粒薄膜的形成。在打印时间达到9分钟后,系统地研究了退火条件以形成银人造突触网络(Ag-ASN)。薄膜在200°C和300°C两种不同的温度下进行了退火,并优化了相应的退火时间。最初,薄膜在200°C下退火了不同时间(2–10分钟)。分析了退火前后的I–V特性(图2a)。9分钟打印的薄膜的平均初始电阻约为20 kΩ(图2a)。退火2分钟和4分钟后,由于颗粒聚集和连接性提高,电阻降低了三个数量级。然而,退火时间超过6分钟后,电阻增加了四个数量级,表明出现了由于润湿去除导致的非导电性质。退火前后薄膜的光学图像(透射模式)显示透明度增加,表明填充因子降低,证实了润湿去除(图2b和c)。为了确认离散银结构的出现,捕获了FESEM图像(图2d–f和图S5,补充信息)。退火2–4分钟后,颗粒融合成了连接性更好的网络,解释了电导的增加。相比之下,退火时间超过6分钟的薄膜显示出由较大颗粒(岛屿)和较小碎片(球形颗粒)组成的离散银结构。对退火6分钟和8分钟的样品进行更详细的分析发现,增加退火时间会导致岛屿间的间隙系统性地增加,同时较大岛屿分裂成更小、分支较少的结构。具体来说,6分钟退火的样品的岛屿间间隙主要在30–100纳米范围内,而8分钟时间隙增加到超过100纳米,出现了微米级的分离(图S6a和b)。此外,岛屿的分裂导致岛屿密度从每平方英寸约0.4 × 10^9个增加到每平方英寸约0.8 × 10^9个。对于10分钟退火条件,尽管平均岛屿间距离和岛屿密度(约0.8 × 10^9)与8分钟的情况相当(图S6c),但出现了更大的间隙。在300°C下退火30秒、60秒和120秒的薄膜也出现了润湿去除现象(图2g–i)。30秒后,薄膜基本保持连续。60秒时,观察到明显的分离岛屿,岛屿密度约为0.5 × 10^9个每平方英寸,岛屿间的间隙主要低于100纳米(图S6d)。随着退火时间增加到120秒,进一步的分裂导致形成了更高比例的球形颗粒,岛屿密度降低到约0.4 × 10^9个每平方英寸,岛屿间的间隙增加到超过200纳米。因此,更高的退火温度显著减少了润湿去除时间,而长时间的退火促进了碎片化、球形颗粒的形成和更宽的岛屿间间距。润湿去除后的结构类似于生物神经网络,其中岛屿充当神经元,分支充当树突和轴突(图S7,补充信息)。有趣的是,测量得到的岛屿密度范围为每平方英寸0.4-0.8 × 10^9个,这与人脑中大约2D神经元密度(约每平方英寸10^9个)非常接近。

图2

减湿银薄膜。(a) 在不同退火时间下,印刷图案的电阻变化。(b) 和 (c) 光学图像(透射模式)显示随着退火透明度的增加,表明岛屿的形成。(d)-(f) 在200°C下退火4分钟、6分钟和8分钟的薄膜的FESEM图像。(g)-(i) 在300°C下退火30秒、60秒和120秒的薄膜的FESEM图像。(标尺:500纳米。)通过利用这种技术的按需打印能力,制造出了神经形态学设备。将银颗粒薄膜打印在基于阴影掩模的预制金电极上(图S8,补充信息),然后在200°C下退火以获得减湿结构。图3a显示了退火6分钟的设备的I-V特性。最初,由于银结构断开,设备显示出低电流,对应于高电阻状态(HRS,非导电状态)。随着电压增加到约14伏(形成电压),观察到电流突然增加,达到设定的电流合规性(ICC)1微安,并过渡到低电阻状态(LRS,导电状态)。在反向扫描过程中,设备保持在LRS状态直到约2伏,然后切换回HRS。这种HRS到LRS的转换是由于电场诱导的银导电路径的形成,与基于岛屿的设备一致。经过8分钟退火后,形成电压(Vth)约为150伏,而经过10分钟退火后,即使在200伏下也没有发生切换。通过使用合规性设置将设备中的电流限制在1微安,以保护设备在高电压形成过程中的损坏。这表明增加退火时间会减小岛屿大小并增加岛屿间的间隙,阻碍导电路径的形成,并需要更高的电压来切换。然而,在电成形后,设备需要更低的电压来切换,因为残留的导电路径促进了低电压操作。对于6分钟退火的薄膜,切换电压(Vth)降低到约3伏,而对于8分钟退火的样品则约为10伏(图3b)。通过Vth保持在3.4 ± 0.4伏,证明了100个循环的循环稳定性(图3c)。对于在300°C下减湿的薄膜也观察到了类似的趋势:设备在退火60秒后以Vth约为3 ± 0.4伏切换(图S9,SI),而在120秒减湿后没有观察到切换。在后续研究中,选择了在200°C下退火6分钟的设备。

电阻切换特性。神经形态学设备的I-V特性显示了(a)形成电压,(b)切换电压,以及(c)切换周期,证明了其耐久性。然后在设备中模拟了突触功能。短期可塑性(STP)和长期增强(LTP)是人脑中的关键记忆模式,作为认知过程的有效存储模型。根据Atkinson–Shiffrin模型,信息的有限重复有助于短期存储,而重复的重复会导致长期记忆的形成。为了模拟这种行为,按照图S10(SI)中显示的配置施加了电压脉冲。施加了一个5伏的脉冲(宽度500毫秒,间隔500毫秒),电流合规性为200微安(图4a)。脉冲后,使用50毫伏的小读电压监测导电状态。脉冲的数量代表了重复事件。对于低重复次数,例如5次脉冲,发现导电保持时间约为6秒,表明了短期可塑性。同时,20次脉冲导致记忆保持时间超过60秒,表明了长期可塑性(图4b)。这也通过应用5伏的5次脉冲的电流合规性(ICC)来模拟(图4c-e)。通常,较低的电流合规性导致短期可塑性,而较高的电流合规性导致长期增强。对于100微安的ICC,保持时间为2-3秒,而增加ICC会导致保持时间增加,最终对于300微安的ICC,设备显示出超过60秒的LTP,再次强调了输入强度在从STP到LTP转换中的作用。有趣的是,设备显示出长期稳定性,在6个月内保持了切换特性和突触特征(图S11,SI)。从短期可塑性(STP)到长期增强(LTP)的转换由脉冲数量和电流合规性控制。较低的脉冲数量或合规性导致弱而不稳定的纤维,这些纤维会迅速衰减(STP),而较高的值则形成更厚、更稳定的导电路径,从而导致延长的保持时间。

图4

在神经形态学设备中,使用5伏脉冲(宽度500毫秒,间隔500毫秒)和50毫伏的读电压,展示了短期可塑性(STP)和长期可塑性(LTP)。(a) 和 (b) 随着脉冲数量从5增加到20,在200微安的合规电流下观察到从STP到LTP的转换。(c)-(e) 通过将合规电流从100微安增加到200微安和300微安,也实现了从STP到LTP的转换。在日常生活中观察到的另一个关键认知现象是依赖于唤醒的学习和记忆,通常由Yerkes–Dodson定律描述。在他们的研究中,Yerkes和Dodson证明,老鼠在中等电击(即中等唤醒)下最有效地解决了迷宫问题,而较低和较高的电击强度都会损害任务表现。这确立了学习效率依赖于唤醒的倒U形依赖性原则,这一原则在心理学中被广泛认为是性能崩溃或“压力下窒息”的基础。在神经生理学层面,这种行为通常归因于多巴胺介导的突触可塑性的调节,其中中等多巴胺释放会增强学习,而过度释放则会产生不利影响。

在神经形态学硬件中模拟这种依赖于唤醒的认知行为是朝着开发更具适应性和生物真实性的人工智能系统迈出的重要一步。然而,在固态神经形态学设备中展示Yerkes–Dodson型响应仍然很少。在这项工作中,我们将我们基于银的神经形态学设备中的读电压视为神经生理唤醒强度的类比,其中低、中和高的电压分别对应于低、最佳和过度唤醒状态。读电压被视为唤醒强度的类比,因为它直接影响设备的保持特性。如图5a所示,低于0.3伏的读电压导致保持时间短(<150秒),类似于唤醒不足。相比之下,0.4-0.5伏范围内的中等读电压产生了显著的保持时间增加(>900秒),表明了最大化性能的最佳唤醒状态。将读电压增加到0.6伏以上再次减少了保持时间(约200秒),这是由于过度刺激。这种倒U形依赖性(图5b)紧密反映了经典的Yerkes–Dodson唤醒-性能关系,其中0.4-0.5伏代表了这种设备中类似学习的最佳操作窗口。这些结果突出了设备模拟高级认知功能的能力,使得更先进的神经形态学人工智能架构成为可能。

基于银的神经形态学设备中的大脑启发式唤醒依赖学习。(a) 在不同读电压(VR)下测量的记忆保持时间,其中读电压作为唤醒强度的类比。低唤醒(≤0.3 V)和高唤醒(≥0.6 V)导致保持时间较差,而中等唤醒水平(0.4-0.5 V)产生显著增强的保持时间。(b) 保持时间对读电压的倒U形依赖性,模仿了Yerkes–Dodson定律。插图说明了所提出的机制:由于电场不足导致的纤维稳定性弱(左)和高电场下由焦耳热引起的纤维溶解(右)。(c) 在5伏脉冲序列期间施加连续的0.8 V读电压(插图)下,由于强烈的焦耳热导致保持时间短暂。(d) 以脉冲方式施加相同的读电压(插图)显著延长了保持时间,证实了减少焦耳热可以增强纤维稳定性。因为真实的生物学倒U响应往往是不对称的,我们使用非对称(分裂σ)高斯函数(图S12和方程(S1),SI)对保持时间-电压关系进行了建模,其中左右宽度(σL,σR)捕捉了设备对低电压(唤醒不足)和高电压(过度唤醒)条件的不同敏感性。拟合显示保持时间对低电压侧更敏感(σL = 0.064 < σR = 0.1,注意S1,SI),表明电场稳定不足导致银纤维的快速溶解。我们将高读电压下保持时间的下降归因于焦耳热辅助的氧化,随后是导电纤维的溶解,导致纤维不稳定和性能下降。为了支持这一机制,我们比较了连续和脉冲读电压下的保持行为。脉冲读电压减少了平均热负荷,从而抑制了焦耳热并提高了纤维稳定性。如图5c所示,在脉冲序列期间和之后施加的连续读电压仅产生了约7秒的保持时间。然而,当以脉冲方式施加读电压时(图5d),保持时间显著增加到>200秒。这种明显的增强证实了减少焦耳热可以缓解纤维氧化和溶解,验证了支持倒U学习行为的物理机制。

总之,这项研究提出了一种简单而有效的光学打印-退火策略,用于制造作为神经形态学设备中活性元件的自形成银纳米结构。通过调整打印和退火条件,优化了所得银突触网络的形态,以模拟基本的突触功能。这些设备表现出稳定的电阻切换,并可靠地再现了生物可塑性的关键形式,包括短期和长期增强。值得注意的是,我们还通过将读电压映射为唤醒强度,展示了由Yerkes–Dodson定律经典描述的依赖于唤醒的性能行为。在最佳读电压下,保持时间很高,而较低和较高的电压都损害了性能,形成了特征性的倒U趋势。这种行为使用非对称高斯模型得到了充分的描述,进一步的研究表明,在高电压下观察到的下降归因于焦耳热引起的纤维不稳定。因此,通过利用具有内在无序和涌现电行为的自组织架构,这种方法为开发更接近生物神经系统的自适应、非线性特性的硬件提供了一条有前景的途径。总体而言,这项工作强调了光学处理的银纳米结构在神经形态学应用中的可行性,并强调了它们的稳健性和适应性,为未来的低功耗、灵活和生物启发式的计算平台铺平了道路。

材料

AgNO3(≥99.0%,Merck Life Science Private Limited),三钠柠檬酸二水合物(≥99%,Merck Life Science Private Limited)。光学打印和退火

使用白光辅助的光学打印方法沉积了银颗粒薄膜。来自DLP投影仪的光通过目镜和开普勒透镜阵列(-100毫米和300毫米焦距)耦合到尼康显微镜,并通过二向色镜主要反射绿色成分。使用10倍物镜进行打印,实现了大面积沉积。打印后的薄膜在IKA加热板上以200°C和300°C的不同持续时间退火,以获得减湿结构。

设备制造

通过阴影掩模定义了金电极,然后在7×10^-6 Torr的真空中热蒸发50纳米的金层。在电极之间进行光学打印,然后将薄膜退火以形成减湿的银结构,以实现神经形态学设备。

设备表征

使用Keysight B2901B源测量单元进行了I–V和脉冲电测量(在某些情况下由于可用采样点限制了保持时间测量)。使用Zeiss显微镜获取FESEM图像,使用Leica显微镜获取光学图像,并使用JASCO V650光谱仪获取UV–vis光谱。使用Horiba Scientific SZ-100分析仪测量了纳米粒子的尺寸分布,并使用FIJI(ImageJ)进行了图像分析。

银纳米粒子的合成

通过Lee–Meisel方法合成了银纳米粒子。简要来说,将17毫克AgNO3溶解在50毫升去离子水中并加热到90°C。在磁力搅拌下逐滴加入40毫摩尔的三钠柠檬酸溶液,直到溶液变成金黄色。

利益冲突

没有需要声明的利益冲突。

数据可用性

作者确认支持本研究发现的数据在文章及其补充信息(SI)中可以找到。补充信息:投影图像的示意图;Ag纳米粒子的紫外-可见光谱分析及粒径分析;去润湿图案的光学图像;填充因子分析;去润湿图案的FESEM图像。详见DOI:https://doi.org/10.1039/d6tc00516k。如需获取支持本研究结果的原始数据,可向通讯作者提出合理请求。致谢

作者衷心感谢Manipal高等教育学院提供的设施和资金支持。注释与参考文献
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号