氧化物电解质栅控晶体管及其时空信息处理

来源：X一MOL资讯

物联网时代的到来丰富了人们的生活，同时也使得日常需要处理的信息量急剧增加，其中大部分信息具有时间和空间特征。如何快速、实时的处理这些时空信息成为广大研究人员关注的焦点。解决这一问题的有效途径之一是开发具有边缘计算能力的智能感知系统，在物联网终端完成对感应信息的分析和处理，从而缓解数据传输带来的延迟与能耗。生物体的感知系统可以认为是自然界中最智能的设备终端，具有非常高效的感应及信息处理能力。神经科学研究表明，生物感知系统是由大量神经元通过突触相互交叉连接而成的复杂神经网络。神经元之间连接强度（突触权重）的变化是神经网络记忆和学习的基础。利用神经突触的可塑性和记忆特性，生物感知系统可根据外界环境的变化对神经网络进行适应性训练，从而能够实时、高效地处理时空信息，并不断增强感应信息的处理速度和精度，塑造出生物体对外界环境的感知与反馈。受生物神经感知系统的启发，人们提出了一种新型的神经网络模型——脉冲神经网络（SNN）。该模型采用脉冲序列作为输入/输出信号，脉冲神经元为计算单元，将时间维度引入到模型当中，有望在时空信息处理方面发挥巨大潜力。因此，如何基于新原理、新材料和新结构开发具有神经形态计算特征的电子器件，进而构建脉冲神经网络/传感器集成系统，是实现实时、高能效、感存算一体化智能感知系统面临的关键挑战（详见X. B. Bu, et al., Adv. Intell. Syst., 2020, DOI:10.1002/aisy.202000156）。

电解质栅控晶体管是近年来提出的一种三端忆阻器件，其结构与传统场效应晶体管类似。所不同的是，电解质栅控晶体管采用含有可动离子（如H+、Li+等）的电解质材料代替二氧化硅作为栅介质层。在栅极电压作用下，可动离子发生迁移并与沟道材料发生电化学反应后注入其中。离子的注入起到了掺杂的作用，能够调节沟道材料的载流子浓度，使沟道电阻态发生连续、可逆的非易失变化，被认为是模拟生物神经网络基本功能单元-突触的理想元件之一（C. S. Yang, et al. Adv. Funct. Mater., 2018, 28, 1804170; Adv. Mater., 2017, 29, 1700906）。尽管近年来对电解质栅控晶体管及其在人工神经网络应用方面的研究取得了一定进展，但研究成果主要集中在单个器件的性能验证，在材料体系、器件阵列和网络算法等各个层面亟待突破。

针对上述问题，中国科学院微电子研究所尚大山研究员和博士生李悦、卢吉凯等制备了具有良好沟道电导调节性能和器件均一性的电解质栅控晶体管阵列，并基于此阵列构建了可处理时空信息的脉冲神经网络系统。作者们首先对材料体系进行了筛选，首次采用无机氧化物——Nb2O5作为沟道材料构建电解质栅控晶体管，并成功实现32×32的阵列集成（图1）。此电解质栅控晶体管表现出优异的电学特性（图2a-b），包括近线性的沟道电导模拟变化特性、良好的耐受性（≥106）和保持特性（≥1000 s）、快速操作（~100 ns）、极低的电导变化范围（<100 nS）和超低的操作能耗面密度（20 fJ• μm-2）等。作者们进一步利用该电解质栅控晶体管阵列构建了脉冲神经网络。该网络具有学习和识别时空信息的能力。通过使用监督学习算法和脉冲时序依赖可塑性（STDP）权重更新规则，电解质栅控晶体管阵列能够根据不同的任务输入调整各个单元的电导（学习过程），最终完成对不同输入脉冲序列的识别。基于电解质栅控晶体管的脉冲神经网络可以与触觉传感器结合，通过对终端传感器收集到的时序信息进行传递、分析和处理，实现了对物体移动方位的识别（图2c）。这种智能触觉感知系统的实现方案，为发展可用于物联网、边缘计算等领域的低能耗、可扩展的仿生信息处理系统提供了参考。

图1. (a) 32×32 电解质栅控晶体管阵列；(b) 器件基本结构及测试方案; (c)器件在不同扫描速度下的转移特性曲线。

图2. (a)器件的模拟开关特性; (b) 器件的保持特性 (c) 基于电解质栅控晶体管的智能触觉感知系统。

这一成果近期发表在Advanced Materials 上，中国科学院微电子研究所博士研究生李悦和卢吉凯为文章的共同第一作者，尚大山研究员为通讯作者。