基于二维铁电材料的可持续突触器件用于神经形态计算

《Advanced Science》:Sustainable Synaptic Device with Two-Dimensional Ferroelectric Materials for Neuromorphic Computing

【字体: 大 中 小 】 时间:2026年05月09日 来源:Advanced Science 14.1

编辑推荐:

  为克服即将到来的人工智能大数据时代挑战,需要利用电子器件实现模拟人脑功能与结构特征的神经形态计算。然而,在重复更新模拟生物突触可塑性过程中,原位训练会导致突触器件的耐久性下降。本研究展示了一种基于二维(2D)铁电α-In2Se3的突触器件,通过在重复性学习过程

  
为克服即将到来的人工智能大数据时代挑战,需要利用电子器件实现模拟人脑功能与结构特征的神经形态计算。然而,在重复更新模拟生物突触可塑性过程中,原位训练会导致突触器件的耐久性下降。本研究展示了一种基于二维(2D)铁电α-In2Se3的突触器件,通过在重复性学习过程中发生的突触疲劳现象,利用电流退火(CA)诱导的自修复效应显著增强了器件的耐用性。研究人员通过低频噪声(LFN)光谱技术定量阐明了该二维铁电突触器件的传导、退化及自修复机制。经自修复电导优化的加拿大高级研究院(CIFAR)-10数据集分类准确率优于疲劳状态器件,并恢复至初始精度水平。针对二维铁电突触阵列中通过自修复去除缺陷细胞的仿真结果表明,该方法有助于长期降低能耗。实验结果强调了在未来神经形态计算中采用二维铁电材料的重要性。
论文解读:基于α-In2Se3的铁电半导体场效应晶体管用于可持续神经形态计算
随着卷积神经网络(CNN)在图像处理领域的快速发展,传统冯·诺依曼架构因处理器与存储器间的大量数据搬运,面临功耗高、散热大和计算速度受限的瓶颈。神经形态计算通过模拟生物大脑的结构与功能,将处理与存储一体化,有望突破这一限制。然而,大规模并行处理下的生物突触易产生突触疲劳,导致信息传递失真。此外,现有铁电场效应晶体管(FeFET)多采用HfO2基化合物或钙钛矿等传统铁电材料,其厚度缩放至纳米级时面临退极化场和可靠性下降的问题。相比之下,二维(2D)材料α-In2Se3因其不对称的原子结构表现出本征铁电性,为解决上述问题提供了可能。尽管α-In2Se3在光电子和非易失性存储方面已有应用,但针对其作为铁电半导体场效应晶体管(FeSFET)在突触器件中的动态退化机制及恢复策略的研究尚显不足。为此,研究人员开展了基于α-In2Se3FeSFET的可持续突触器件研究,相关成果发表于《Advanced Science》。
在研究技术方法上,研究人员首先通过机械剥离法制备了α-In2Se3薄片,并利用光刻和电子束蒸发技术构筑了背栅结构的FeSFET器件。为了深入分析器件的电学传导与退化机制,研究采用了低频噪声(LFN)光谱学技术,结合拉曼光谱、光致发光(PL)、X射线光电子能谱(XPS)以及热发射显微镜(THEMOS)等手段,对器件在原始(pristine)、疲劳(fatigue)和恢复(recovery)状态下的物理化学性质进行了表征。此外,利用COMSOL Multiphysics软件进行了有限元热模拟,并通过NeuroSimV2.4平台对基于CIFAR-10数据集的VGG-8卷积神经网络进行了系统级仿真验证。
研究结果部分主要分为以下几个方面:
1. 结果与讨论
研究人员构建了α-In2Se3基FeSFET器件,发现其在重复权重更新后会出现类似生物突触疲劳的现象,表现为长时程增强(LTP)特性的退化。通过施加电流退火(CA)工艺,即利用高电流诱导焦耳热,成功实现了器件电导的“自修复”。实验表明,经过约4000次循环后,器件低电阻态(LRS)出现显著衰减,但单次CA处理后即可恢复至接近初始状态。PL光谱显示疲劳态出现红移,而CA后蓝移至初始位置,证实了硒空位的减少。XPS分析进一步揭示了In和Se键合环境在疲劳态的变化及其在CA后的恢复。通过调节CA过程中的脉冲电压与电导率(σ),研究人员优化了焦耳热的产生,模拟结果显示该过程能有效修复界面及体相缺陷。
2. 噪声与缺陷分析
利用LFN光谱学,研究人员定量分析了器件的缺陷态。研究发现,在疲劳状态下,栅氧化层陷阱密度(Not)显著增加,导致载流子数涨落(CNF)模型下的噪声水平升高。这种由缺陷引起的过量噪声在高频段尤为明显。通过提取平带电压波动(SVfb),研究人员证实了疲劳态下铁电极化切换受阻,而CA工艺通过降低Not,有效恢复了器件的铁电开关行为。
3. 突触特性与阵列级仿真
在突触特性方面,疲劳态器件的短时程可塑性(STP)如双脉冲易化(PPF)和双脉冲抑制(PPD)比率发生异常,CA处理后得以复原。在阵列级仿真中,研究人员构建了基于CIFAR-10数据集的VGG-8网络。结果显示,疲劳态导致识别准确率从原始的89%下降至86%,且非线性(NL)和周期间变异(C2C)显著增大。针对阵列中出现的“卡滞”(stuck-at-fault)缺陷单元,研究提出了一种选择性局部退火策略,通过权衡推理误差率与总存储开销,确定了CA工艺的最佳应用点,从而在无需外部存储缺陷单元位置的情况下,实现了高能效的实时修复。
4. 结论
该研究提出的CA工艺使得基于二维铁电半导体α-In2Se3的FeSFET能够实现可持续的人工突触模拟。通过模拟CIFAR-10数据集,研究人员证实器件进入疲劳态时,非线性增加和缺陷单元的定位会严重降低图像识别精度。CA工艺能够针对阵列结构中的特定缺陷单元进行局部退火,并通过评估推理误差率和总存储使用量,确定了防止不必要功耗的最佳操作点。由于CA工艺利用了α-In2Se3本征不对称分子结构诱导的面外(OOP)和面内(IP)极化,通过高电流诱导的焦耳热有效调制电导率,因此与FeSFET器件具有高度兼容性。利用LFN光谱学阐明FeSFET的电学原始、疲劳和恢复机制,为精确分析LFN特性和提高器件可靠性提供了有价值的见解。最终,模拟生物神经系统中再摄取和再填充过程的CA工艺,从根本上缓解了突触疲劳,为实现半永久性的铁电通道基神经形态系统奠定了基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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