近日，海洋研究院韩琳教授团队在acs nano上发表了题为“polarized tunneling transistor for ultralow-energy-consumption artificial synapse toward neuromorphic computing”的研究性论文，展示了极化隧穿晶体管在低功耗人工突触及人工神经网络上的应用。山东大学助理研究员陈镜为论文第一作者，山东大学教授韩琳，清华大学副教授伍晓明、教授任天令为本论文的共同通讯作者，山东大学海洋研究院为第一作者和通讯作者单位。
在当今的人工智能时代，基于低功耗人工突触的神经网络能显著降低能耗具有重要研究意义。基于二维材料的浮栅晶体管具有多值存储能力，在人工突触方面具有很好的应用前景。然而，二维浮栅晶体管的低存储速度限制了其在低功耗神经形态计算中的应用。
本研究提出了基于mos2/trap/pzt异质结的极化隧穿晶体管结构，该结构具有超快存储能力。相比于浮栅晶体管结构，极化隧穿晶体管没有隧穿层因而具有超快存储速度，同时铁电材料pzt的极化能力能延长其存储时间。极化隧穿晶体管的存储速度可以达到20 ns左右，这一结果优于绝大多数浮栅晶体管的性能。由于极化晶体管的超快存储速度，基于极化隧穿晶体管的人工突触的权重更新能耗仅为0.2 aj，这是目前报道的最低能耗。此外，基于极化隧穿晶体管的人工突触，我们构建了人工神经网络并对人脸图像进行识别，其准确率高达95%。本项研究为低功耗人工神经网络的研究提供了一些新的思路。
该研究是低功耗神经形态计算领域的又一重要研究进展。该团队近期的相关研究还包括：极化隧穿晶体管超快存储速度的研究机理（acs nano 2023, 17, 13, 12374–12382）；铁电材料赋能浮栅晶体管实现低功耗神经形态计算（nano lett. 2023, 23, 22, 10196–10204）。该项工作得到了国家重点研发计划项目和国家自然科学基金的资助。
论文链接：https://pubs.acs.org/doi/10.1021/acsnano.3c08632
微信公众号
