AFM|双栅控二硫化钼记忆晶体管Crossbar阵列

tutu 2020-11-12 14:58

近日，《Advanced Functional Materials》发表了来自美国西北大学的题为"Dual‐Gated MoS2 Memtransistor Crossbar Array"的文章，他们搭建了双栅控的二硫化钼记忆晶体管Crossbar阵列，模拟人工神经网络，可以实现手 ...

文章链接:https://doi.org/10.1002/adfm.202003683

图1. 双栅控二硫化钼记忆晶体管

背景

对数字数据处理和通信的日益增长的需求正在将传统的计算机架构推到它们的功耗极限，导致了节能替代范式的积极发展，如神经形态计算。反过来，为了实现神经形态计算的硬件，人们正在研究超越互补金属氧化物半导体场效应晶体管的新型器件。在人工神经网络(ANNs)中最有前途的基本元件是记忆器件和突触晶体管。由于电阻开关比大，这些器件不仅可用作非易失性记忆元件，而且还可用作神经形态系统，可在具有快速更新(即学习)和有效分类(即推理)功能的神经网络中存储突触权重。虽然记忆电阻器的一个重要优势是他们通过Crossbar阵列的可扩展性，同样的架构也带来了两个主要的挑战。首先，在材料加工步骤中设置学习规则(即权值更新方案)，在计算过程中不进行进一步控制。其次，在Crossbar架构中，对单个节点的可靠访问需要非线性(如二极管)或有源(如晶体管)组件在每个节点上，限制缩放到与传统动态随机访问存储器相同的水平。

摘要

忆阻系统能够提供正在积极被探索的仿生功能，以实现高效的神经形态电路。除了提供最终的几何缩放限制，二维半导体实现了独特的门可调谐响应，包括最近实现的混合记忆电阻器和晶体管器件，即记忆晶体管。特别是，单层MoS2记忆晶体管表现出非易失性记忆开关，其中每个状态的电阻是由一个门终端调制的。在这里，通过引入第二门端子，进一步控制了记忆晶体管的神经形态响应。由此产生的双门控记忆晶体管允许非Hebbian训练的学习速率的可调性，在非Hebbian训练中，长期增强和抑制突触行为是由读写过程中的栅偏决定的。此外，双栅静电控制为解决传统记忆电阻器crossbar阵列的潜流问题提供了一种紧凑的解决方案。在这种方式下，双门控有利于在高规模的横条电路中充分利用和集成mem晶体管功能。此外，长时程增强的可调性提高了权重更新规则的线性和对称性，这些规则被用于模拟人工神经网络，以实现手写数字94%的识别率。

Memristive systems offer biomimetic functions that are being actively explored for energy‐efficient neuromorphic circuits. In addition to providing ultimate geometric scaling limits, 2D semiconductors enable unique gate‐tunable responses including the recent realization of hybrid memristor and transistor devices known as memtransistors. In particular, monolayer MoS2 memtransistors exhibit nonvolatile memristive switching where the resistance of each state is modulated by a gate terminal. Here, further control over the memtransistor neuromorphic response through the introduction of a second gate terminal is gained. The resulting dual‐gated memtransistors allow tunability over the learning rate for non‐Hebbian training where the long‐term potentiation and depression synaptic behavior is dictated by gate biases during the reading and writing processes. Furthermore, the electrostatic control provided by dual gates provides a compact solution to the sneak current problem in traditional memristor crossbar arrays. In this manner, dual gating facilitates the full utilization and integration of memtransistor functionality in highly scaled crossbar circuits. Furthermore, the tunability of long‐term potentiation yields improved linearity and symmetry of weight update rules that are utilized in simulated artificial neural networks to achieve a 94% recognition rate of hand‐written digits.