类脑计算——基于二硫化钼忆阻晶体管的人工突触

随着大数据、物联网(IoT)等信息技术的发展,人工智能(AI)芯片已经被广泛地应用于学习、识别和认知等领域并逐渐成为不可或缺的社会科技元素。当前的AI芯片主要是基于传统的冯·诺依曼体系结构,其基本特点是运算单元与存储单元分离。由此引起的数据存取过程中的能量与时间消耗,在需要处理爆炸式增长的数据背景下已经使冯·诺依曼“瓶颈”或“内存墙(memory wall)”问题日益突出。相比之下,受人脑启发所提出的类脑计算机或神经形态计算机所采用与传统的冯·诺依曼体系完全不同的计算架构,被认为是实现低功耗、高并行、高扩展性AI芯片的重要解决方案。

人脑工作主要依赖于神经元(neurons)和连接神经元的突触(synapses)。其中突触的可塑性(plasticity),即突触重新配置神经元间的连接强度的能力,被认为是人脑学习和记忆的基础。因此,制备能够模拟神经元和突触行为的材料与器件成为实现神经形态计算的关键。对突触而言,目前其功能已经在多种材料体系和结构中得到了模拟。其中,两端忆阻器(Memristor)和三端晶体管(铁电晶体管FeFET或浮栅晶体管FGFET)受到了较为广泛的关注。通常来说,两端忆阻器的电导(映射神经元间的连接强度)可以通过施加在某一电极(神经元输入)上的电压脉冲进行调整,而三端晶体管的源-漏沟道电导调节则通过对栅压(神经元输入)施加电学脉冲来实现。

近日,新加坡国立大学Ang Kah-Wee教授课题组与新加坡科技研究局(A*STAR)Chi Dong Zhi和Zhang Yong-Wei团队联合报道了一种新型的、以化学气相沉积法(CVD)生长的晶圆级连续单层二硫化钼(MoS2)薄膜为基础构建的忆阻晶体管固态突触器件。在静态条件下,器件同时表现出栅极可调控的源-漏双极型阻变特性(高、低阻态比值可达104倍)以及显著的转移曲线迟滞特性,兼顾了两端忆阻器和三端晶体管的电学特征。通过对比实验与理论计算,研究者推断出器件的阻变以及迟滞特性主要由二硫化钼内部的特定缺陷引起。通过对器件的漏极和栅极分别施加电学脉冲刺激,研究者进一步验证了器件的一系列重要的突触模拟特性,包括长程增强(LTP)、长程抑制(LTD)、脉冲时间依赖可塑性(STDP)等。值得注意的是,有别于之前报道的人工突触器件中只允许某一特定电极作为神经元输入以模拟突触功能的情况,此项工作中器件所蕴含的多神经元输入(漏或栅)特点为未来神经形态计算系统设计提供了新的途径和更高的灵活性。

相关研究工作以“Artificial Synapses Based on Multiterminal Memtransistors for Neuromorphic Application”为题发表在期刊Advanced Functional Materials (DOI: 10.1002/adfm.201901106)上。