研究背景
随着计算技术的飞速发展，图像和语音识别，游戏和无人驾驶等计算任务变得越来越复杂。在摩尔定律缩放速度放慢的情况下，基于冯·诺依曼架构的传统硬件由于数据存储和处理的物理分离而面临功耗和能效方面的性能限制。受自适应，大规模并行且容错的人脑架构和工作原理的启发，提出了创新的神经形态计算系统来解决快速增长的计算能力和效率要求。研究人员付出了巨大的努力来开发能够模仿生物神经元和突触行为的电子器件，包括忆阻器、相变存储器（PCM）、自旋电子器件和突触晶体管等。但是，可靠性和可变性问题，例如线性/对称权重更新和状态数，仍然是节能神经形态计算在实际应用中的主要障碍。因此，要构建一种低功耗且高精度的人工神经形态网络，有必要提高人工突触器件的线性度和对称性。最近，由于2D材料具有原子薄的结构和便捷的电子可调性，在神经形态计算应用中表现出巨大潜力。
成果介绍
有鉴于此，近日，中科院物理所张广宇研究员和北京师范大学何聪丽博士（共同通讯作者）等报道了由全2D范德华材料组成，基于两端浮栅存储器（2TFGM）的人工突触。2TFGM突触器件表现出出色的线性和对称权重更新特性，具有很高的可靠性和可调性。特别是，通过使用相同脉冲的简单编程实现的高线性和对称突触权重可以消除由外部电路设计引起的额外等待时间和功耗，并在神经网络中实现了突触的超低能耗。通过实验证明了单个脉冲高达≈3000的大量状态，40 ns的高开关速度和18 fJ的低能耗。根据实验数据，在改良的美国国家标准技术研究院（MNIST）的模拟中，实现了高达97.7％的高分类精度（接近软件基准的98％）。这些结果证明了全2D 2TFGM对于高速和低功耗神经形态计算的潜力。文章以“A Reliable All-2D Materials Artificial Synapse for High Energy-Efficient Neuromorphic Computing”为题发表在著名期刊Advanced Functional Materials上。
图文导读
图1. 全2D两端浮栅存储器（2TFGM）的器件结构和存储特性。（a）全2D材料2TFGM的示意图，其中单层MoS2作为沟道，薄h-BN作为隧穿层，FLG作为接触电极和浮栅。（b）FGM的典型半对数刻度I-V开关迟滞，沟道长/宽为3 µm/10 µm，h-BN的厚度从7到15 nm不等。（c）在编程和擦除过程中，漏极/h-BN/FG的能带图。（d）在300至500 K的高温下进行编程和擦除过程后，具有10 nm厚h-BN的2TFGM的保留时间超过104 s。（e）105个循环开关操作的耐久性测试，显示出开/关比没有降低。（f）器件开关速度测量。（g）4×4 2TFGM阵列的光学图像。（h）电导状态的颜色成像。
2TFGM的器件结构和存储特性如图1所示。图1a显示了通过逐层堆垛工艺制备的MoS2基全2D 2TFGM的示意图。单层MoS2用作沟道，剥离的多层石墨烯（FLG）既用作浮栅（FG）电极也用作接触电极，并且h-BN用作隧穿层。石墨烯接触可降低接触电阻，并且h-BN原子级平坦的表面可避免界面处的俘获电荷和电子散射。图1b显示了具有7、10和15 nm不同h-BN隧穿层厚度的典型2TFGM的电流-电压（I-V）开关迟滞回线。在编程和擦除过程中，所有2TFGM都具有几乎对称的电流迟滞回线，超高开/关比~108。工作电压分别从±20 V降低至±8 V，这可归因于较薄的隧穿层导致隧穿势垒宽度减小。图1c给出了在编程和擦除过程中漏极/h-BN/FG的能带图。对于编程过程，通过施加正电压（Vds）在FG和漏极之间引入大的电势降，使电子从FG隧穿到漏极，并使FG带正电（即空穴积累）。由于薄h-BN介电层对MoS2沟道的强静电栅控，器件电阻状态（RS）从高电阻状态（HRS）变为低电阻状态（LRS）。对于擦除过程，当施加负电压时，电子从漏极隧穿到FG并存储在FG中，从而导致从LRS变为HRS。由于电子隧穿概率在很大程度上取决于势垒厚度，因此具有较厚h-BN隧穿层的器件需要更高的漏极电压（图1b）。
在300、400和500 K的不同温度下（Vread=1 V）测量了具有10 nm厚h-BN的2TFGM在+/-12 V编程/擦除过程后的保留特性（图1d）。在300 K时，LRS和HRS都具有>104 s的良好保留特性。这种出色的保留能力归因于h-BN的高势垒高度，并且在没有外部刺激的情况下，存储的电子/空穴无法从FG消失。仍然保留了一个大的存储窗口，表明2TFGM器件对热环境具有良好的稳定性。注意到，在400 K时，HRS在最初的1000 s中明显增加，这可能归因于电子通过散热过程以较高的动能从FG隧穿回漏极。开/关比降低和保留性能退化表明，随着温度升高，热电子发射除了隧穿效应外还起着重要的作用。存储窗口在500 K时几乎消失。随着hBN厚度减小，HRS/LRS的保留特性对于器件而言变得更差。因此，保留性能主要受载流子的动能和隧穿势垒高度/宽度的影响。在编程电压脉冲幅度为±18 V，宽度为100 ms的情况下，2TFGM器件还显示出至少105个周期的良好耐久特性（图1e）。在整个过程中，开/关比保持超过104，没有退化。2TFGM器件在±23 V且脉冲宽度为100/40 ns的情况下仍显示稳定的电阻切换，这表明器件具有高速脉冲可编程性（图1f）。同时实现了良好的耐久性（>105个周期），较长的保留时间（>104 s），较高的开关速度（40 ns）以及良好的热稳定性，这些全2D 2TFGMs有望成为数字数据存储应用中非常有希望的候选者。此外，还演示了采用标准平面制造技术制备的4×4 2TFGM阵列（图1g）。图1h显示了通过操作2TFGM器件阵列存储的“N07”图案成像，表明器件具有良好的均匀性和非易失性。
图2. 全2D FGM高度可靠的多位存储状态。（a）在不同源-漏电压Vds下，具有10 nm厚h-BN的2TFGM器件的I-V迟滞曲线。（b）通过1 V脉冲测试的多个电阻状态的保留时间超过104 s。（c）通过施加不同数量的脉冲，成功实现了131个准连续可区分的电导状态。（d）16级电导状态的累积分布，在0.5到9 nS之间均匀分布。
当将不同Vds应用于编程时，可以获得可调的电导状态，从而实现如图2a所示的多级状态。由于在不同施加电压下FG中存储的空穴数量不同，因此通过在编程过程中施加+8至+12 V的电压，可以实现器件的不同电导状态。对于从0到+7 V的Vds，器件电导没有变化，这是因为电子无法在较小的Vds下从FG穿过势垒隧穿到漏极。在擦除过程中也观察到了多级电阻切换行为。每种电导状态的良好保留时间均大于104 s，如图2b所示。此外，每个电导状态都显示出从0.003到0.175的低漂移系数。还可以通过施加一系列具有不同幅度的电压脉冲来实现高度可重复的多级电阻开关行为。
可以在这些2TFGMs中实现准连续的可区分电导状态，如图2c所示。通过施加振幅为+10到+15 V（脉冲宽度为100 ms）不同数量的脉冲，可以成功获得以0.1 nS间隔从0.1到13 nS的131个电导状态（7位）。根据保留特性计算出的相应电导漂移系数主要在≈0.001-0.01的范围内。此外，图2d显示了16种代表性电导状态的累积分布。通过控制施加的相同脉冲数，可以将2TFGM器件编程为目标电导值。所有这些器件特性表明2TFGM器件具有出色的可靠性和稳定性。
图3. 人工突触行为的表征。（a）由神经元、轴突、树突和突触组成的生物神经元的示意图，它们是两个相邻神经元之间的连接点。（b）突触后电流与脉冲数的关系，证明了2TFGM器件模拟的长时程增强和抑制特性。（c&d）P/D过程中的瞬态响应。（e&f）几个周期的放大图，模拟兴奋性突触后电流（EPSC）和抑制性突触后电流（IPSC）。
对于高性能的人工突触器件，这种可靠的多位数据存储是非常需要的。图3a显示了由神经元，轴突和树突组成的生物神经元以及作为两个相邻神经元之间连接点的突触的示意图。放大的区域说明了突触前神经元轴突末端与突触后神经元树突之间的突触化学信使传递。如果动作电位到达突触前神经元，则突触膜被去极化并释放触发的神经递质，在整个突触间隙中扩散，与突触后神经元上的受体对接，并产生兴奋性突触后电流（EPSC）或抑制性突触后电流（IPSC），其幅度或强度由突触权重决定。长时程增强（LTP）和抑制（LTD）是学习中的两个重要突触功能，也通过逐步调节2TFGM器件的电导状态来进行模拟，如图3b所示。通过一系列±15 V的编程/擦除脉冲（脉冲宽度40 ns），为LTP/LTD过程编程了3000个准连续状态，这表明在这种2TFGM基人工突触中，神经形态计算可利用的状态非常多。图3c和d显示了示波器捕获的LTP/LTD过程中的瞬态电响应。图3e和f分别是几个周期的放大图，其中EPSC和IPSC的生物学行为是由Vds的突触前脉冲触发的。单个脉冲的能量消耗估算为18 fJ（30 nA，+15 V，40 ns），远低于常规CMOS电路的能量消耗（≈900 pJ）。因此，这种全2D 2TFGM人工突触器件在高速和低功耗神经形态计算中显示出巨大的潜力。
图4. 对用于神经形态计算的线性和对称权重更新的追求。（a&b）在P/D过程中，器件电导随脉冲宽度和幅度的变化。（c）通过将电压脉冲的幅度从±10调整到±13 V（100 ms），可以调控P/D过程中的线性度，开/关比和状态数。（d）不同P/D曲线权重更新的非线性分析。（e）2TFGM人工突触的循环P/D操作。（f）在不同P/D处理下，MNIST数据库手写数字的图像分类精度与训练时期的关系。（g）对于不同的P/D过程，20个训练时期后的错误率。
具有足够数量状态的线性和对称权重更新行为对于提高神经网络的推理准确性和可靠性至关重要。尽管可以通过对输入脉冲进行编码来实现近乎线性和对称的权重更新，但这会导致电路复杂性，时间延迟和额外的能耗。因此，对于低功率和高精度的神经形态电路，需要可以用相同的脉冲简单地编程理想的人工突触器件。如图4a和b所示，系统地研究了器件电导率变化对编程脉冲宽度和幅度的依赖性。在两个LTP/LTD过程中，电导率变化（∆G）随脉冲宽度（幅度）增加而增大，并最终随着较大的脉冲宽度（幅度）而饱和。饱和行为是由特定电压幅度（宽度）引起FG中最大陷阱电荷数量的结果。2TFGM人工突触的可塑性通过操作脉冲的幅度从±13到±10 V（宽度为100 ms）进行调节，如图4c所示。当施加±13 V脉冲时，开/关比为20，而电导仅在20个脉冲后就达到饱和。通过将脉冲幅度减小到±10 V，还可以实现更多电导状态（最多400个），每个脉冲的电导变化很小（∆G<0.1 nS）。2TFGM人工突触的可塑性（包括线性度，开/关比和模拟状态的数量）通过操作脉冲的幅度和宽度进行调节。
此外，对LTP/LTD过程中权重更新行为线性度的定量分析如图4d所示，发现了线性度，开/关比和状态数之间的权衡。在不牺牲非线性度和开/关比的情况下，可以通过缩短脉冲长度来增加状态数。图4e显示了2TFGM人工突触的循环LTP/LTD操作，证明了突触权重更新行为的良好再现性。为了进一步证明2TFGM在神经形态计算中的潜力，基于长时程可塑性特征，使用MNIST数据集模拟了人工神经网络。图4g的插图显示了模拟神经网络的示意图，它是三层感知器（包括一个隐藏层），并且使用标准的反向传播算法进行训练。图4f中显示了针对不同编程条件的学习曲线。在LTP/LTD过程使用400个状态进行20个训练时期后，达到了97.7％的高识别准确度，接近数值模拟的软件基线准确度（≈98％）。这种出色的性能主要归因于可用的大量电导状态以及权重更新中的良好线性和对称性。
总结与展望
本文展示了由全2D材料范德华异质结构建的2TFGM高性能人工突触。在2TFGM中已经表现出超低的漂移系数，高度对称和线性的突触权重更新可塑性，大量的模拟状态以及快速的更新速度，这对于加快训练效率，准确性和减少人工神经网络的能耗至关重要。在MNIST仿真中，分类精度高达97.7％。本文的研究结果表明，这种高度可靠的全2D 2TFGM非常适合用于高精度，低能耗和高速神经形态计算应用。
文献信息
A Reliable All-2D Materials Artificial Synapse for High Energy-Efficient Neuromorphic Computing
(Adv. Funct. Mater., 2021, DOI:10.1002/adfm.202011083)
文献链接：
https://onlinelibrary.wiley.com/doi/10.1002/adfm.202011083
来源公众号：低维 昂维
免责声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将协调进行处理（按照法规支付稿费或立即删除），所有来稿文责自负，两江仅作分享平台。转载请注明出处，如原创内容转载需授权，请联系下方微信号。
