多端离子门控硅纳米线突触晶体管

神经形态计算系统在识别，学习，分类和决策等任务中显示出强大的功能，这在使用传统计算体系结构方面既具有挑战性又效率低下。包括突触和神经元在内的关键元素及其可行的硬件实现对于实际的神经形态计算至关重要。树突功能，如时空信号的整合和尖峰频率编码特性，尚未在单个突触设备中很好地实现，因此在未来基于硬件的尖峰神经网络中起着至关重要的作用。而且，大多数新兴的突触晶体管是通过纳米制造工艺制造的，而没有CMOS兼容性，因此无法进行进一步的晶圆级集成。本文中，我们基于标准CMOS工艺平台展示了一种低功耗（每个开关<400 fJ）的新型离子门控硅纳米线突触场效应晶体管（IGNWFET）。

第一次，可以通过使用单个设备处理频率编码的尖峰来实现树突积分和双突触树突计算（例如“加”和“减”）。同时，基于40 nm宽的IGNWFET，还成功地证明了人工突触的多功能特性，包括短期和长期突触可塑性，成对的脉冲促进和高通滤波。还通过实验深入研究了离子在聚合物电解质中的迁移和在高k电介质中的俘获，以了解短期可塑性和长期可塑性。结合4英寸晶圆的统计均匀性，IGNWFET的综合性能证明了其在未来生物模拟神经形态系统中的潜在应用。

图1、离子门控硅纳米线晶体管示意图

图2、基本突触可塑性

图3、用于模式识别的无监督学习

结论

在这项工作中，提出了一种具有高能量效率的多端子硅离子门控硅纳米线突触晶体管，并通过CMOS兼容工艺制造了该晶体管。成功地证明了包括STP到LTP转换，PPF，PPD，突触增强，突触抑制和高频过滤的多功能仿生功能。结合这些突触特征，使用基于IGNWFET的神经网络上的设备到系统仿真框架对模式识别性能进行了验证，以实现无监督学习。更重要的是，首次使用单个IGNWFET演示了树突积分和基本树突计算“加法”和“减法”。此外，还研究了离子迁移和俘获机理，从根本上解释了短期和长期的增强特性。还对4英寸晶圆上的IGNWFET进行了映射，以验证器件之间在电学和神经形态计算性能方面的一致性，显示了IGNWFET在未来的神经形态计算应用中的巨大潜力。

DOI: 10.1039/d0nr03141k