CN110622348A - 神经网络、蓄电系统、车辆及电子设备 - Google Patents
神经网络、蓄电系统、车辆及电子设备 Download PDFInfo
- Publication number
- CN110622348A CN110622348A CN201880025241.8A CN201880025241A CN110622348A CN 110622348 A CN110622348 A CN 110622348A CN 201880025241 A CN201880025241 A CN 201880025241A CN 110622348 A CN110622348 A CN 110622348A
- Authority
- CN
- China
- Prior art keywords
- battery
- transistor
- insulator
- layer
- circuit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 206
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 118
- 229910044991 metal oxide Inorganic materials 0.000 claims description 162
- 150000004706 metal oxides Chemical class 0.000 claims description 162
- 238000007600 charging Methods 0.000 claims description 85
- 239000003990 capacitor Substances 0.000 claims description 46
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 43
- 229910052710 silicon Inorganic materials 0.000 claims description 43
- 239000010703 silicon Substances 0.000 claims description 43
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 claims description 31
- 230000015572 biosynthetic process Effects 0.000 claims description 30
- 229910052782 aluminium Inorganic materials 0.000 claims description 29
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 29
- 229910052721 tungsten Inorganic materials 0.000 claims description 22
- 239000010937 tungsten Substances 0.000 claims description 22
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 21
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 claims description 21
- 229910052735 hafnium Inorganic materials 0.000 claims description 20
- VBJZVLUMGGDVMO-UHFFFAOYSA-N hafnium atom Chemical compound [Hf] VBJZVLUMGGDVMO-UHFFFAOYSA-N 0.000 claims description 18
- 229910052738 indium Inorganic materials 0.000 claims description 18
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 claims description 18
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 claims description 17
- 239000010936 titanium Substances 0.000 claims description 17
- 229910052719 titanium Inorganic materials 0.000 claims description 16
- 229910052759 nickel Inorganic materials 0.000 claims description 15
- 229910052715 tantalum Inorganic materials 0.000 claims description 15
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 claims description 15
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 claims description 14
- GYHNNYVSQQEPJS-UHFFFAOYSA-N Gallium Chemical compound [Ga] GYHNNYVSQQEPJS-UHFFFAOYSA-N 0.000 claims description 14
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 claims description 14
- 229910052796 boron Inorganic materials 0.000 claims description 14
- 229910052733 gallium Inorganic materials 0.000 claims description 14
- 229910052732 germanium Inorganic materials 0.000 claims description 14
- GNPVGFCGXDBREM-UHFFFAOYSA-N germanium atom Chemical compound [Ge] GNPVGFCGXDBREM-UHFFFAOYSA-N 0.000 claims description 14
- 229910052750 molybdenum Inorganic materials 0.000 claims description 14
- 239000011733 molybdenum Substances 0.000 claims description 14
- 229910052779 Neodymium Inorganic materials 0.000 claims description 12
- QCWXUUIWCKQGHC-UHFFFAOYSA-N Zirconium Chemical compound [Zr] QCWXUUIWCKQGHC-UHFFFAOYSA-N 0.000 claims description 12
- QEFYFXOXNSNQGX-UHFFFAOYSA-N neodymium atom Chemical compound [Nd] QEFYFXOXNSNQGX-UHFFFAOYSA-N 0.000 claims description 12
- 229910052727 yttrium Inorganic materials 0.000 claims description 12
- VWQVUPCCIRVNHF-UHFFFAOYSA-N yttrium atom Chemical compound [Y] VWQVUPCCIRVNHF-UHFFFAOYSA-N 0.000 claims description 12
- 229910052726 zirconium Inorganic materials 0.000 claims description 12
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 11
- 229910052746 lanthanum Inorganic materials 0.000 claims description 11
- FZLIPJUXYLNCLC-UHFFFAOYSA-N lanthanum atom Chemical compound [La] FZLIPJUXYLNCLC-UHFFFAOYSA-N 0.000 claims description 11
- 229910052718 tin Inorganic materials 0.000 claims description 11
- 229910052742 iron Inorganic materials 0.000 claims description 10
- 229910052684 Cerium Inorganic materials 0.000 claims description 9
- GWXLDORMOJMVQZ-UHFFFAOYSA-N cerium Chemical compound [Ce] GWXLDORMOJMVQZ-UHFFFAOYSA-N 0.000 claims description 9
- 230000015556 catabolic process Effects 0.000 abstract description 4
- 238000006731 degradation reaction Methods 0.000 abstract description 2
- 239000012212 insulator Substances 0.000 description 320
- 239000004020 conductor Substances 0.000 description 243
- 239000010410 layer Substances 0.000 description 168
- 210000004027 cell Anatomy 0.000 description 117
- 230000015654 memory Effects 0.000 description 114
- 239000000758 substrate Substances 0.000 description 70
- 229910052760 oxygen Inorganic materials 0.000 description 64
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 62
- 230000006870 function Effects 0.000 description 62
- 239000001301 oxygen Substances 0.000 description 62
- 239000004065 semiconductor Substances 0.000 description 60
- 239000000463 material Substances 0.000 description 58
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 51
- 239000001257 hydrogen Substances 0.000 description 44
- 229910052739 hydrogen Inorganic materials 0.000 description 44
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 40
- 239000010408 film Substances 0.000 description 35
- 239000012535 impurity Substances 0.000 description 35
- 238000000034 method Methods 0.000 description 33
- 229910052751 metal Inorganic materials 0.000 description 31
- 239000002184 metal Substances 0.000 description 31
- 210000002569 neuron Anatomy 0.000 description 27
- 229910052757 nitrogen Inorganic materials 0.000 description 26
- 238000005259 measurement Methods 0.000 description 23
- 230000002829 reductive effect Effects 0.000 description 22
- 230000008859 change Effects 0.000 description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 21
- 229910001868 water Inorganic materials 0.000 description 21
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 20
- 229910052814 silicon oxide Inorganic materials 0.000 description 18
- 239000007784 solid electrolyte Substances 0.000 description 18
- 238000007599 discharging Methods 0.000 description 17
- 239000007774 positive electrode material Substances 0.000 description 17
- 239000008151 electrolyte solution Substances 0.000 description 16
- 229910052581 Si3N4 Inorganic materials 0.000 description 15
- 239000007773 negative electrode material Substances 0.000 description 15
- 238000011176 pooling Methods 0.000 description 15
- HQVNEWCFYHHQES-UHFFFAOYSA-N silicon nitride Chemical compound N12[Si]34N5[Si]62N3[Si]51N64 HQVNEWCFYHHQES-UHFFFAOYSA-N 0.000 description 15
- 230000005856 abnormality Effects 0.000 description 13
- 230000004888 barrier function Effects 0.000 description 12
- 239000011701 zinc Substances 0.000 description 12
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- -1 sulfonium cation Chemical group 0.000 description 11
- 229910052799 carbon Inorganic materials 0.000 description 10
- 239000010949 copper Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 210000000225 synapse Anatomy 0.000 description 10
- 229910052802 copper Inorganic materials 0.000 description 9
- 230000007547 defect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 239000011521 glass Substances 0.000 description 9
- 229910000449 hafnium oxide Inorganic materials 0.000 description 9
- WIHZLLGSGQNAGK-UHFFFAOYSA-N hafnium(4+);oxygen(2-) Chemical compound [O-2].[O-2].[Hf+4] WIHZLLGSGQNAGK-UHFFFAOYSA-N 0.000 description 9
- 229910052744 lithium Inorganic materials 0.000 description 9
- 229910001416 lithium ion Inorganic materials 0.000 description 9
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 9
- 230000003071 parasitic effect Effects 0.000 description 9
- 229920000642 polymer Polymers 0.000 description 9
- 239000011347 resin Substances 0.000 description 9
- 229920005989 resin Polymers 0.000 description 9
- 239000007787 solid Substances 0.000 description 9
- 230000000946 synaptic effect Effects 0.000 description 9
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 8
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 8
- 230000004913 activation Effects 0.000 description 8
- 239000000956 alloy Substances 0.000 description 8
- 239000000919 ceramic Substances 0.000 description 8
- 238000009792 diffusion process Methods 0.000 description 8
- 239000003792 electrolyte Substances 0.000 description 8
- 229910052698 phosphorus Inorganic materials 0.000 description 8
- 239000011574 phosphorus Substances 0.000 description 8
- 239000011734 sodium Substances 0.000 description 8
- 239000002904 solvent Substances 0.000 description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 7
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 7
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 7
- 150000001450 anions Chemical class 0.000 description 7
- 239000000470 constituent Substances 0.000 description 7
- 229910052749 magnesium Inorganic materials 0.000 description 7
- 239000011777 magnesium Substances 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000010955 niobium Substances 0.000 description 7
- 150000004767 nitrides Chemical class 0.000 description 7
- 239000002356 single layer Substances 0.000 description 7
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 6
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 6
- NRTOMJZYCJJWKI-UHFFFAOYSA-N Titanium nitride Chemical compound [Ti]#N NRTOMJZYCJJWKI-UHFFFAOYSA-N 0.000 description 6
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 6
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 6
- PMHQVHHXPFUNSP-UHFFFAOYSA-M copper(1+);methylsulfanylmethane;bromide Chemical compound Br[Cu].CSC PMHQVHHXPFUNSP-UHFFFAOYSA-M 0.000 description 6
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- AJNVQOSZGJRYEI-UHFFFAOYSA-N digallium;oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Ga+3].[Ga+3] AJNVQOSZGJRYEI-UHFFFAOYSA-N 0.000 description 6
- 239000011737 fluorine Substances 0.000 description 6
- 229910052731 fluorine Inorganic materials 0.000 description 6
- 229910001195 gallium oxide Inorganic materials 0.000 description 6
- AMGQUBHHOARCQH-UHFFFAOYSA-N indium;oxotin Chemical compound [In].[Sn]=O AMGQUBHHOARCQH-UHFFFAOYSA-N 0.000 description 6
- 239000011810 insulating material Substances 0.000 description 6
- MRELNEQAGSRDBK-UHFFFAOYSA-N lanthanum(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[La+3].[La+3] MRELNEQAGSRDBK-UHFFFAOYSA-N 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 239000007769 metal material Substances 0.000 description 6
- PLDDOISOJJCEMH-UHFFFAOYSA-N neodymium(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Nd+3].[Nd+3] PLDDOISOJJCEMH-UHFFFAOYSA-N 0.000 description 6
- 229910052725 zinc Inorganic materials 0.000 description 6
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 description 5
- 229920003171 Poly (ethylene oxide) Polymers 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 5
- 239000002253 acid Substances 0.000 description 5
- 229910045601 alloy Inorganic materials 0.000 description 5
- 238000000231 atomic layer deposition Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 150000002431 hydrogen Chemical class 0.000 description 5
- 229910003437 indium oxide Inorganic materials 0.000 description 5
- PJXISJQVUVHSOJ-UHFFFAOYSA-N indium(iii) oxide Chemical compound [O-2].[O-2].[O-2].[In+3].[In+3] PJXISJQVUVHSOJ-UHFFFAOYSA-N 0.000 description 5
- BPUBBGLMJRNUCC-UHFFFAOYSA-N oxygen(2-);tantalum(5+) Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[Ta+5].[Ta+5] BPUBBGLMJRNUCC-UHFFFAOYSA-N 0.000 description 5
- MZLGASXMSKOWSE-UHFFFAOYSA-N tantalum nitride Chemical compound [Ta]#N MZLGASXMSKOWSE-UHFFFAOYSA-N 0.000 description 5
- 229910001936 tantalum oxide Inorganic materials 0.000 description 5
- 239000010409 thin film Substances 0.000 description 5
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000003795 desorption Methods 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 4
- 239000000835 fiber Substances 0.000 description 4
- 239000011888 foil Substances 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 239000011229 interlayer Substances 0.000 description 4
- 239000002608 ionic liquid Substances 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- QGLKJKCYBOYXKC-UHFFFAOYSA-N nonaoxidotritungsten Chemical compound O=[W]1(=O)O[W](=O)(=O)O[W](=O)(=O)O1 QGLKJKCYBOYXKC-UHFFFAOYSA-N 0.000 description 4
- 125000004430 oxygen atom Chemical group O* 0.000 description 4
- RVTZCBVAJQQJTK-UHFFFAOYSA-N oxygen(2-);zirconium(4+) Chemical compound [O-2].[O-2].[Zr+4] RVTZCBVAJQQJTK-UHFFFAOYSA-N 0.000 description 4
- 238000004544 sputter deposition Methods 0.000 description 4
- YTZKOQUCBOVLHL-UHFFFAOYSA-N tert-butylbenzene Chemical compound CC(C)(C)C1=CC=CC=C1 YTZKOQUCBOVLHL-UHFFFAOYSA-N 0.000 description 4
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 description 4
- 229910001930 tungsten oxide Inorganic materials 0.000 description 4
- YVTHLONGBIQYBO-UHFFFAOYSA-N zinc indium(3+) oxygen(2-) Chemical compound [O--].[Zn++].[In+3] YVTHLONGBIQYBO-UHFFFAOYSA-N 0.000 description 4
- 229910001928 zirconium oxide Inorganic materials 0.000 description 4
- VAYTZRYEBVHVLE-UHFFFAOYSA-N 1,3-dioxol-2-one Chemical compound O=C1OC=CO1 VAYTZRYEBVHVLE-UHFFFAOYSA-N 0.000 description 3
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 3
- 229920000178 Acrylic resin Polymers 0.000 description 3
- 239000004925 Acrylic resin Substances 0.000 description 3
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 3
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 3
- XEKOWRVHYACXOJ-UHFFFAOYSA-N Ethyl acetate Chemical compound CCOC(C)=O XEKOWRVHYACXOJ-UHFFFAOYSA-N 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 239000004677 Nylon Substances 0.000 description 3
- 239000004952 Polyamide Substances 0.000 description 3
- 229910000577 Silicon-germanium Inorganic materials 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 3
- 239000004760 aramid Substances 0.000 description 3
- 229910052786 argon Inorganic materials 0.000 description 3
- 229920003235 aromatic polyamide Polymers 0.000 description 3
- JFDZBHWFFUWGJE-UHFFFAOYSA-N benzonitrile Chemical compound N#CC1=CC=CC=C1 JFDZBHWFFUWGJE-UHFFFAOYSA-N 0.000 description 3
- 229910052790 beryllium Inorganic materials 0.000 description 3
- ATBAMAFKBVZNFJ-UHFFFAOYSA-N beryllium atom Chemical compound [Be] ATBAMAFKBVZNFJ-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000460 chlorine Substances 0.000 description 3
- 229910052801 chlorine Inorganic materials 0.000 description 3
- 229910052804 chromium Inorganic materials 0.000 description 3
- 239000011651 chromium Substances 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- YBMRDBCBODYGJE-UHFFFAOYSA-N germanium oxide Inorganic materials O=[Ge]=O YBMRDBCBODYGJE-UHFFFAOYSA-N 0.000 description 3
- 238000010030 laminating Methods 0.000 description 3
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 3
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 3
- 239000000395 magnesium oxide Substances 0.000 description 3
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 description 3
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 3
- 229920001778 nylon Polymers 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000004205 output neuron Anatomy 0.000 description 3
- 230000003647 oxidation Effects 0.000 description 3
- 238000007254 oxidation reaction Methods 0.000 description 3
- SIWVEOZUMHYXCS-UHFFFAOYSA-N oxo(oxoyttriooxy)yttrium Chemical compound O=[Y]O[Y]=O SIWVEOZUMHYXCS-UHFFFAOYSA-N 0.000 description 3
- PVADDRMAFCOOPC-UHFFFAOYSA-N oxogermanium Chemical compound [Ge]=O PVADDRMAFCOOPC-UHFFFAOYSA-N 0.000 description 3
- 229920002647 polyamide Polymers 0.000 description 3
- 229920000728 polyester Polymers 0.000 description 3
- 229920000098 polyolefin Polymers 0.000 description 3
- 238000007086 side reaction Methods 0.000 description 3
- LIVNPJMFVYWSIS-UHFFFAOYSA-N silicon monoxide Chemical compound [Si-]#[O+] LIVNPJMFVYWSIS-UHFFFAOYSA-N 0.000 description 3
- 229910052709 silver Inorganic materials 0.000 description 3
- 239000004332 silver Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 229910052720 vanadium Inorganic materials 0.000 description 3
- GPPXJZIENCGNKB-UHFFFAOYSA-N vanadium Chemical compound [V]#[V] GPPXJZIENCGNKB-UHFFFAOYSA-N 0.000 description 3
- 239000011787 zinc oxide Substances 0.000 description 3
- FSSPGSAQUIYDCN-UHFFFAOYSA-N 1,3-Propane sultone Chemical compound O=S1(=O)CCCO1 FSSPGSAQUIYDCN-UHFFFAOYSA-N 0.000 description 2
- YEJRWHAVMIAJKC-UHFFFAOYSA-N 4-Butyrolactone Chemical compound O=C1CCCO1 YEJRWHAVMIAJKC-UHFFFAOYSA-N 0.000 description 2
- SBLRHMKNNHXPHG-UHFFFAOYSA-N 4-fluoro-1,3-dioxolan-2-one Chemical compound FC1COC(=O)O1 SBLRHMKNNHXPHG-UHFFFAOYSA-N 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- OIFBSDVPJOWBCH-UHFFFAOYSA-N Diethyl carbonate Chemical compound CCOC(=O)OCC OIFBSDVPJOWBCH-UHFFFAOYSA-N 0.000 description 2
- XTHFKEDIFFGKHM-UHFFFAOYSA-N Dimethoxyethane Chemical compound COCCOC XTHFKEDIFFGKHM-UHFFFAOYSA-N 0.000 description 2
- LCGLNKUTAGEVQW-UHFFFAOYSA-N Dimethyl ether Chemical compound COC LCGLNKUTAGEVQW-UHFFFAOYSA-N 0.000 description 2
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 description 2
- KMTRUDSVKNLOMY-UHFFFAOYSA-N Ethylene carbonate Chemical compound O=C1OCCO1 KMTRUDSVKNLOMY-UHFFFAOYSA-N 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 2
- 239000002033 PVDF binder Substances 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- WYURNTSHIVDZCO-UHFFFAOYSA-N Tetrahydrofuran Chemical compound C1CCOC1 WYURNTSHIVDZCO-UHFFFAOYSA-N 0.000 description 2
- LEVVHYCKPQWKOP-UHFFFAOYSA-N [Si].[Ge] Chemical compound [Si].[Ge] LEVVHYCKPQWKOP-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 239000011149 active material Substances 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 229910052783 alkali metal Inorganic materials 0.000 description 2
- 150000001340 alkali metals Chemical class 0.000 description 2
- MDPILPRLPQYEEN-UHFFFAOYSA-N aluminium arsenide Chemical compound [As]#[Al] MDPILPRLPQYEEN-UHFFFAOYSA-N 0.000 description 2
- 229910052785 arsenic Inorganic materials 0.000 description 2
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 150000001768 cations Chemical class 0.000 description 2
- 229910017052 cobalt Inorganic materials 0.000 description 2
- 239000010941 cobalt Substances 0.000 description 2
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 2
- 229920001577 copolymer Polymers 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- JBTWLSYIZRCDFO-UHFFFAOYSA-N ethyl methyl carbonate Chemical compound CCOC(=O)OC JBTWLSYIZRCDFO-UHFFFAOYSA-N 0.000 description 2
- FKRCODPIKNYEAC-UHFFFAOYSA-N ethyl propionate Chemical compound CCOC(=O)CC FKRCODPIKNYEAC-UHFFFAOYSA-N 0.000 description 2
- GAEKPEKOJKCEMS-UHFFFAOYSA-N gamma-valerolactone Chemical compound CC1CCC(=O)O1 GAEKPEKOJKCEMS-UHFFFAOYSA-N 0.000 description 2
- 239000011245 gel electrolyte Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- HCDGVLDPFQMKDK-UHFFFAOYSA-N hexafluoropropylene Chemical group FC(F)=C(F)C(F)(F)F HCDGVLDPFQMKDK-UHFFFAOYSA-N 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 229910010272 inorganic material Inorganic materials 0.000 description 2
- 229910052909 inorganic silicate Inorganic materials 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 2
- INHCSSUBVCNVSK-UHFFFAOYSA-L lithium sulfate Chemical compound [Li+].[Li+].[O-]S([O-])(=O)=O INHCSSUBVCNVSK-UHFFFAOYSA-L 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- TZIHFWKZFHZASV-UHFFFAOYSA-N methyl formate Chemical compound COC=O TZIHFWKZFHZASV-UHFFFAOYSA-N 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 125000004433 nitrogen atom Chemical group N* 0.000 description 2
- 150000002892 organic cations Chemical class 0.000 description 2
- 239000003960 organic solvent Substances 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 229920005668 polycarbonate resin Polymers 0.000 description 2
- 239000004431 polycarbonate resin Substances 0.000 description 2
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 2
- 229920001721 polyimide Polymers 0.000 description 2
- 239000009719 polyimide resin Substances 0.000 description 2
- 229920002635 polyurethane Polymers 0.000 description 2
- 229920002981 polyvinylidene fluoride Polymers 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- RUOJZAUFBMNUDX-UHFFFAOYSA-N propylene carbonate Chemical compound CC1COC(=O)O1 RUOJZAUFBMNUDX-UHFFFAOYSA-N 0.000 description 2
- 239000011241 protective layer Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 229910052708 sodium Inorganic materials 0.000 description 2
- 125000006850 spacer group Chemical group 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002203 sulfidic glass Substances 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 229910001887 tin oxide Inorganic materials 0.000 description 2
- ZZXUZKXVROWEIF-UHFFFAOYSA-N 1,2-butylene carbonate Chemical compound CCC1COC(=O)O1 ZZXUZKXVROWEIF-UHFFFAOYSA-N 0.000 description 1
- VDFVNEFVBPFDSB-UHFFFAOYSA-N 1,3-dioxane Chemical compound C1COCOC1 VDFVNEFVBPFDSB-UHFFFAOYSA-N 0.000 description 1
- RYHBNJHYFVUHQT-UHFFFAOYSA-N 1,4-Dioxane Chemical compound C1COCCO1 RYHBNJHYFVUHQT-UHFFFAOYSA-N 0.000 description 1
- UNWUPSDBODQGQO-UHFFFAOYSA-N 1-(2-ethoxyethoxy)-2-methoxyethane methoxymethane Chemical compound C(C)OCCOCCOC.COC UNWUPSDBODQGQO-UHFFFAOYSA-N 0.000 description 1
- SBASXUCJHJRPEV-UHFFFAOYSA-N 2-(2-methoxyethoxy)ethanol Chemical compound COCCOCCO SBASXUCJHJRPEV-UHFFFAOYSA-N 0.000 description 1
- UHOPWFKONJYLCF-UHFFFAOYSA-N 2-(2-sulfanylethyl)isoindole-1,3-dione Chemical compound C1=CC=C2C(=O)N(CCS)C(=O)C2=C1 UHOPWFKONJYLCF-UHFFFAOYSA-N 0.000 description 1
- OYOKPDLAMOMTEE-UHFFFAOYSA-N 4-chloro-1,3-dioxolan-2-one Chemical compound ClC1COC(=O)O1 OYOKPDLAMOMTEE-UHFFFAOYSA-N 0.000 description 1
- NLHHRLWOUZZQLW-UHFFFAOYSA-N Acrylonitrile Chemical compound C=CC#N NLHHRLWOUZZQLW-UHFFFAOYSA-N 0.000 description 1
- BTBUEUYNUDRHOZ-UHFFFAOYSA-N Borate Chemical compound [O-]B([O-])[O-] BTBUEUYNUDRHOZ-UHFFFAOYSA-N 0.000 description 1
- 229910016855 F9SO2 Inorganic materials 0.000 description 1
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- RAXXELZNTBOGNW-UHFFFAOYSA-O Imidazolium Chemical compound C1=C[NH+]=CN1 RAXXELZNTBOGNW-UHFFFAOYSA-O 0.000 description 1
- GPXJNWSHGFTCBW-UHFFFAOYSA-N Indium phosphide Chemical compound [In]#P GPXJNWSHGFTCBW-UHFFFAOYSA-N 0.000 description 1
- JGFBQFKZKSSODQ-UHFFFAOYSA-N Isothiocyanatocyclopropane Chemical compound S=C=NC1CC1 JGFBQFKZKSSODQ-UHFFFAOYSA-N 0.000 description 1
- 229910010820 Li2B10Cl10 Inorganic materials 0.000 description 1
- 229910010903 Li2B12Cl12 Inorganic materials 0.000 description 1
- 229910009297 Li2S-P2S5 Inorganic materials 0.000 description 1
- 229910009311 Li2S-SiS2 Inorganic materials 0.000 description 1
- 229910009228 Li2S—P2S5 Inorganic materials 0.000 description 1
- 229910009433 Li2S—SiS2 Inorganic materials 0.000 description 1
- 229910011790 Li4GeO4 Inorganic materials 0.000 description 1
- 229910002986 Li4Ti5O12 Inorganic materials 0.000 description 1
- 229910011201 Li7P3S11 Inorganic materials 0.000 description 1
- 229910001559 LiC4F9SO3 Inorganic materials 0.000 description 1
- 229910000552 LiCF3SO3 Inorganic materials 0.000 description 1
- 229910012820 LiCoO Inorganic materials 0.000 description 1
- 229910010710 LiFePO Inorganic materials 0.000 description 1
- 229910003327 LiNbO3 Inorganic materials 0.000 description 1
- 229910013872 LiPF Inorganic materials 0.000 description 1
- 229910012657 LiTiO3 Inorganic materials 0.000 description 1
- 229910012981 LiVO2 Inorganic materials 0.000 description 1
- 101150058243 Lipf gene Proteins 0.000 description 1
- RJUFJBKOKNCXHH-UHFFFAOYSA-N Methyl propionate Chemical compound CCC(=O)OC RJUFJBKOKNCXHH-UHFFFAOYSA-N 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 239000004372 Polyvinyl alcohol Substances 0.000 description 1
- XBDQKXXYIPTUBI-UHFFFAOYSA-M Propionate Chemical compound CCC([O-])=O XBDQKXXYIPTUBI-UHFFFAOYSA-M 0.000 description 1
- KJTLSVCANCCWHF-UHFFFAOYSA-N Ruthenium Chemical compound [Ru] KJTLSVCANCCWHF-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- 229920002978 Vinylon Polymers 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- KFDQGLPGKXUTMZ-UHFFFAOYSA-N [Mn].[Co].[Ni] Chemical compound [Mn].[Co].[Ni] KFDQGLPGKXUTMZ-UHFFFAOYSA-N 0.000 description 1
- KXKVLQRXCPHEJC-UHFFFAOYSA-N acetic acid trimethyl ester Natural products COC(C)=O KXKVLQRXCPHEJC-UHFFFAOYSA-N 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- BTGRAWJCKBQKAO-UHFFFAOYSA-N adiponitrile Chemical compound N#CCCCCC#N BTGRAWJCKBQKAO-UHFFFAOYSA-N 0.000 description 1
- 125000001931 aliphatic group Chemical group 0.000 description 1
- 238000005275 alloying Methods 0.000 description 1
- 229910021417 amorphous silicon Inorganic materials 0.000 description 1
- 229910052787 antimony Inorganic materials 0.000 description 1
- WATWJIUSRGPENY-UHFFFAOYSA-N antimony atom Chemical compound [Sb] WATWJIUSRGPENY-UHFFFAOYSA-N 0.000 description 1
- 125000004429 atom Chemical group 0.000 description 1
- HYGWNUKOUCZBND-UHFFFAOYSA-N azanide Chemical compound [NH2-] HYGWNUKOUCZBND-UHFFFAOYSA-N 0.000 description 1
- GPBUGPUPKAGMDK-UHFFFAOYSA-N azanylidynemolybdenum Chemical compound [Mo]#N GPBUGPUPKAGMDK-UHFFFAOYSA-N 0.000 description 1
- JRPBQTZRNDNNOP-UHFFFAOYSA-N barium titanate Chemical compound [Ba+2].[Ba+2].[O-][Ti]([O-])([O-])[O-] JRPBQTZRNDNNOP-UHFFFAOYSA-N 0.000 description 1
- 229910002113 barium titanate Inorganic materials 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 229910052797 bismuth Inorganic materials 0.000 description 1
- JCXGWMGPZLAOME-UHFFFAOYSA-N bismuth atom Chemical compound [Bi] JCXGWMGPZLAOME-UHFFFAOYSA-N 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- PWLNAUNEAKQYLH-UHFFFAOYSA-N butyric acid octyl ester Natural products CCCCCCCCOC(=O)CCC PWLNAUNEAKQYLH-UHFFFAOYSA-N 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 239000003575 carbonaceous material Substances 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- CKFRRHLHAJZIIN-UHFFFAOYSA-N cobalt lithium Chemical compound [Li].[Co] CKFRRHLHAJZIIN-UHFFFAOYSA-N 0.000 description 1
- 229910052681 coesite Inorganic materials 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010280 constant potential charging Methods 0.000 description 1
- 238000010277 constant-current charging Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 229910052906 cristobalite Inorganic materials 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- IEJIGPNLZYLLBP-UHFFFAOYSA-N dimethyl carbonate Chemical compound COC(=O)OC IEJIGPNLZYLLBP-UHFFFAOYSA-N 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 239000007772 electrode material Substances 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- YZZNJYQZJKSEER-UHFFFAOYSA-N gallium tin Chemical compound [Ga].[Sn] YZZNJYQZJKSEER-UHFFFAOYSA-N 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 230000009477 glass transition Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 150000002484 inorganic compounds Chemical class 0.000 description 1
- 239000011147 inorganic material Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007733 ion plating Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 229910052743 krypton Inorganic materials 0.000 description 1
- DNNSSWSSYDEUBZ-UHFFFAOYSA-N krypton atom Chemical compound [Kr] DNNSSWSSYDEUBZ-UHFFFAOYSA-N 0.000 description 1
- 239000005001 laminate film Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910001540 lithium hexafluoroarsenate(V) Inorganic materials 0.000 description 1
- MHCFAGZWMAWTNR-UHFFFAOYSA-M lithium perchlorate Chemical compound [Li+].[O-]Cl(=O)(=O)=O MHCFAGZWMAWTNR-UHFFFAOYSA-M 0.000 description 1
- 229910001486 lithium perchlorate Inorganic materials 0.000 description 1
- 229910001537 lithium tetrachloroaluminate Inorganic materials 0.000 description 1
- 229910001496 lithium tetrafluoroborate Inorganic materials 0.000 description 1
- QSZMZKBZAYQGRS-UHFFFAOYSA-N lithium;bis(trifluoromethylsulfonyl)azanide Chemical compound [Li+].FC(F)(F)S(=O)(=O)[N-]S(=O)(=O)C(F)(F)F QSZMZKBZAYQGRS-UHFFFAOYSA-N 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- LGRLWUINFJPLSH-UHFFFAOYSA-N methanide Chemical compound [CH3-] LGRLWUINFJPLSH-UHFFFAOYSA-N 0.000 description 1
- 229940017219 methyl propionate Drugs 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- UUIQMZJEGPQKFD-UHFFFAOYSA-N n-butyric acid methyl ester Natural products CCCC(=O)OC UUIQMZJEGPQKFD-UHFFFAOYSA-N 0.000 description 1
- 229910052754 neon Inorganic materials 0.000 description 1
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 description 1
- RUFLMLWJRZAWLJ-UHFFFAOYSA-N nickel silicide Chemical compound [Ni]=[Si]=[Ni] RUFLMLWJRZAWLJ-UHFFFAOYSA-N 0.000 description 1
- 229910021334 nickel silicide Inorganic materials 0.000 description 1
- 229910052758 niobium Inorganic materials 0.000 description 1
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 239000004745 nonwoven fabric Substances 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- KYKLWYKWCAYAJY-UHFFFAOYSA-N oxotin;zinc Chemical compound [Zn].[Sn]=O KYKLWYKWCAYAJY-UHFFFAOYSA-N 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- XYFCBTPGUUZFHI-UHFFFAOYSA-O phosphonium Chemical group [PH4+] XYFCBTPGUUZFHI-UHFFFAOYSA-O 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 229920005569 poly(vinylidene fluoride-co-hexafluoropropylene) Polymers 0.000 description 1
- 229920002239 polyacrylonitrile Polymers 0.000 description 1
- 239000002861 polymer material Substances 0.000 description 1
- 229920001451 polypropylene glycol Polymers 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 229920002451 polyvinyl alcohol Polymers 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- JUJWROOIHBZHMG-UHFFFAOYSA-O pyridinium Chemical compound C1=CC=[NH+]C=C1 JUJWROOIHBZHMG-UHFFFAOYSA-O 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 125000001453 quaternary ammonium group Chemical group 0.000 description 1
- 238000009774 resonance method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229910052707 ruthenium Inorganic materials 0.000 description 1
- 229910001925 ruthenium oxide Inorganic materials 0.000 description 1
- WOCIAKWEIIZHES-UHFFFAOYSA-N ruthenium(iv) oxide Chemical compound O=[Ru]=O WOCIAKWEIIZHES-UHFFFAOYSA-N 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 229910052594 sapphire Inorganic materials 0.000 description 1
- 239000010980 sapphire Substances 0.000 description 1
- 229910052706 scandium Inorganic materials 0.000 description 1
- SIXSYDAISGFNSX-UHFFFAOYSA-N scandium atom Chemical compound [Sc] SIXSYDAISGFNSX-UHFFFAOYSA-N 0.000 description 1
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 1
- VSZWPYCFIRKVQL-UHFFFAOYSA-N selanylidenegallium;selenium Chemical compound [Se].[Se]=[Ga].[Se]=[Ga] VSZWPYCFIRKVQL-UHFFFAOYSA-N 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 229910021332 silicide Inorganic materials 0.000 description 1
- FVBUAEGBCNSCDD-UHFFFAOYSA-N silicide(4-) Chemical compound [Si-4] FVBUAEGBCNSCDD-UHFFFAOYSA-N 0.000 description 1
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 1
- 229910010271 silicon carbide Inorganic materials 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 229910002076 stabilized zirconia Inorganic materials 0.000 description 1
- 229910052682 stishovite Inorganic materials 0.000 description 1
- IAHFWCOBPZCAEA-UHFFFAOYSA-N succinonitrile Chemical compound N#CCCC#N IAHFWCOBPZCAEA-UHFFFAOYSA-N 0.000 description 1
- HXJUTPCZVOIRIF-UHFFFAOYSA-N sulfolane Chemical compound O=S1(=O)CCCC1 HXJUTPCZVOIRIF-UHFFFAOYSA-N 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 150000008053 sultones Chemical class 0.000 description 1
- 229920002994 synthetic fiber Polymers 0.000 description 1
- 239000012209 synthetic fiber Substances 0.000 description 1
- JBQYATWDVHIOAR-UHFFFAOYSA-N tellanylidenegermanium Chemical compound [Te]=[Ge] JBQYATWDVHIOAR-UHFFFAOYSA-N 0.000 description 1
- YLQBMQCUIZJEEH-UHFFFAOYSA-N tetrahydrofuran Natural products C=1C=COC=1 YLQBMQCUIZJEEH-UHFFFAOYSA-N 0.000 description 1
- XOLBLPGZBRYERU-UHFFFAOYSA-N tin dioxide Chemical compound O=[Sn]=O XOLBLPGZBRYERU-UHFFFAOYSA-N 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 229910052905 tridymite Inorganic materials 0.000 description 1
- RIUWBIIVUYSTCN-UHFFFAOYSA-N trilithium borate Chemical compound [Li+].[Li+].[Li+].[O-]B([O-])[O-] RIUWBIIVUYSTCN-UHFFFAOYSA-N 0.000 description 1
- 238000001771 vacuum deposition Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
- 229910001233 yttria-stabilized zirconia Inorganic materials 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
- G06N3/065—Analogue means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
- H01M10/441—Methods for charging or discharging for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
- H02J7/0014—Circuits for equalisation of charge between batteries
- H02J7/0019—Circuits for equalisation of charge between batteries using switched or multiplexed charge circuits
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Neurology (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Metal-Oxide And Bipolar Metal-Oxide Semiconductor Integrated Circuits (AREA)
- Semiconductor Memories (AREA)
- Thin Film Transistor (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
提供一种具有优良特性的蓄电系统。提供一种安全性高的蓄电系统。提供一种劣化小的蓄电系统。提供一种具有优良特性的蓄电池。蓄电系统包括神经网络及蓄电池。神经网络包括输入层、输出层及输入层与输出层之间的一个或多个隐藏层。指定的隐藏层以指定的权系数连接到上一个隐藏层或输入层,指定的隐藏层以指定的权系数连接到下一个隐藏层或输出层。在蓄电池中,蓄电池的电压与取得电压的时间作为一个数据组被测量。对输入层输入在不同时间测量的数据组,根据从输出层输出的信号改变蓄电池的工作条件。
Description
技术领域
本发明的一个实施方式涉及一种蓄电池及使用蓄电池的蓄电系统。本发明的另一个实施方式涉及一种使用蓄电池的车辆。本发明的另一个实施方式涉及一种使用蓄电池的电子设备。
另外,本发明的一个实施方式涉及一种半导体装置。
本发明的另一个实施方式涉及一种神经网络及使用神经网络的蓄电系统。本发明的另一个实施方式涉及一种使用神经网络的车辆。本发明的另一个实施方式涉及一种使用神经网络的电子设备。本发明的另一个实施方式涉及一种使用神经网络的控制系统。
在本说明书等中,半导体装置是指能够通过利用半导体特性而工作的所有装置。显示装置、发光装置、存储装置、电光装置、蓄电装置、半导体电路及电子设备有时包含半导体装置。
本发明的一个实施方式不局限于上述技术领域。本说明书等所公开的发明的技术领域涉及一种物体、方法或制造方法。另外,本发明的一个实施方式涉及一种工序(process)、机器(machine)、产品(manufacture)或组合物(composition of matter)。
背景技术
近年来,对人工神经网络(以下,将其称为神经网络)等的机械学习技术的开发得到迅速发展。
专利文献1公开了使用神经网络进行蓄电池的剩余电容的运算的例子。
近年来,将沟道形成区中包含氧化物半导体或金属氧化物的晶体管(氧化物半导体(Oxide Semiconductor)晶体管,以下将其称为OS晶体管)受到关注。OS晶体管的关态电流(off-state current)极小。已提出了利用该特性的使用OS晶体管的应用程序。例如,专利文献2公开了在神经网络的学习中使用OS晶体管的例子。
[专利文献]
[专利文献1]美国专利申请公开第2006/0181245号公报
[专利文献2]日本专利申请公开第2016-219011号公报
发明内容
本发明的一个实施方式的目的之一是提供一种具有优良特性的蓄电系统。本发明的一个实施方式的另一目的是提供一种安全性高的蓄电系统。本发明的一个实施方式的另一目的是提供一种劣化小的蓄电系统。
本发明的一个实施方式的另一目的是提供一种具有优良特性的蓄电池。本发明的一个实施方式的另一目的是提供一种安全性高的蓄电池。本发明的一个实施方式的另一目的是提供一种劣化小的蓄电池。本发明的一个实施方式的另一目的是提供一种安装有具有优良特性的蓄电系统的电子设备。本发明的一个实施方式的另一目的是提供一种安装有具有优良特性的蓄电系统的车辆。本发明的一个实施方式的另一目的是提供一种新颖的半导体装置。
注意,多个目的的记载不妨碍彼此的目的的存在。本发明的一个实施方式并不需要实现所有上述目的。上述列举的目的以外的目的可从说明书、附图、权利要求书等的记载自然得知,而有可能成为本发明的一个实施方式的目的。
本发明的一个实施方式是一种蓄电系统,该蓄电系统包括神经网络及蓄电池。神经网络包括输入层、输出层及输入层与输出层之间的一个或多个隐藏层。指定的隐藏层以指定的权系数连接到上一个隐藏层或输入层,指定的隐藏层以指定的权系数连接到下一个隐藏层或输出层。在蓄电池中,蓄电池的电压与取得该电压的时间作为一个数据组被测量。对输入层供应在不同时间测定的数据组。根据从输出层输出的信号改变蓄电池的工作条件。
在上述结构中,优选在进行蓄电池的充电期间测量在蓄电池中被测量的数据组,并且在从输出层输出第一信号的情况下,停止蓄电池的工作。在上述结构中,优选在进行蓄电池的充电期间测量在蓄电池中被测量的数据组,在从输出层输出第一信号的情况下,停止蓄电池的充电,并且在从输出层输出第二信号的情况下,继续进行充电。
本发明的另一个实施方式是一种蓄电系统,该蓄电系统包括神经网络及n个蓄电池(n为2以上的整数)。神经网络包括输入层、输出层及输入层与输出层之间的一个或多个隐藏层。指定的隐藏层以指定的权系数连接到上一个隐藏层或输入层,指定的隐藏层以指定的系数连接到下一个隐藏层或输出层。在n个蓄电池中,第一至第(n-1)蓄电池串联电连接。对输入层供应在各第一至第(n-1)蓄电池中测量的数据组。在各第一至第(n-1)蓄电池中测量的电压与取得该电压的时间作为数据组被测量。根据从输出层输出的信号停止第一蓄电池的工作,将第一蓄电池置换成第n蓄电池。将第n蓄电池串联电连接到第二至第(n-1)蓄电池。
在上述结构中,优选的是:神经网络包括第一电路;第一电路具有进行积和运算的功能;第一电路包括第一晶体管、电容器及第二晶体管;第一晶体管的源极和漏极中的一个电连接到电容器的一个电极及第二晶体管的栅极;第一晶体管在沟道形成区中包含金属氧化物;金属氧化物包含铟及元素M,元素M为选自铝、镓、锡、硼、硅、钛、铁、镍、锗、钇、锆、钼、镧、铈、钕、铪、钽和钨中的一个或多个;并且第一晶体管的源极和漏极中的一个保持对应于模拟数据的电位。
在上述结构中,优选第二晶体管在沟道形成区中包含硅。另外,优选第二晶体管在沟道形成区中包含第二金属氧化物。第二金属氧化物优选包含铟及元素M2,元素M2为选自铝、镓、锡、硼、硅、钛、铁、镍、锗、钇、锆、钼、镧、铈、钕、铪、钽和钨中的一个或多个。
本发明的另一个实施方式是一种蓄电系统,该蓄电系统包括蓄电池及第一电路。测量蓄电池的电压和取得该电压的时间作为一个数据组。在进行蓄电池的充电期间测量在蓄电池中测量的数据组。在不同时间测量的数据组输入到第一电路。第一电路根据数据组改变蓄电池的工作条件。
本发明的另一个实施方式是包括上述蓄电系统中的任一个的车辆。
本发明的另一个实施方式是包括上述蓄电系统中的任一个的电子设备。
本发明的另一个实施方式是一种神经网络,该神经网络包括输入层、输出层、输入层与输出层之间的一个或多个隐藏层以及第一电路。指定的隐藏层以指定的权系数连接到上一个隐藏层或输入层,指定的隐藏层以指定的权系数连接到下一个隐藏层或输出层。第一值与取得第一值的时间作为一个数据组被测量。对输入层供应在不同时间测定的数据组。从输出层输出对应于输入到输入层的数据组的第二值。第一电路具有进行积和运算的功能。第一电路包括第一晶体管、电容器及第二晶体管。第一晶体管的源极和漏极中的一个电连接到电容器的一个电极及第二晶体管的栅极。第一晶体管在沟道形成区中包含金属氧化物。金属氧化物包含铟及元素M。元素M为选自铝、镓、锡、硼、硅、钛、铁、镍、锗、钇、锆、钼、镧、铈、钕、铪、钽和钨中的一个或多个。第一晶体管的源极和漏极中的一个保持对应于模拟数据的电位。
通过本发明的一个实施方式,可以提供一种具有优良特性的蓄电系统。通过本发明的另一个实施方式,可以提供一种安全性高的蓄电系统。通过本发明的另一个实施方式,可以提供一种劣化小的蓄电系统。
通过本发明的另一个实施方式,可以提供一种具有优良特性的蓄电池。通过本发明的另一个实施方式,可以提供一种安全性高的蓄电池。通过本发明的另一个实施方式,可以提供一种劣化小的蓄电池。通过本发明的另一个实施方式,可以提供一种安装有具有优良特性的蓄电系统的电子设备。通过本发明的另一个实施方式,可以提供一种安装有具有优良特性的蓄电系统的车辆。通过本发明的另一个实施方式,可以提供一种新颖的半导体装置。
注意,这些效果的记载不妨碍其他效果的存在。本发明的一个实施方式不需要具有所有上述效果。可以从说明书、附图、权利要求书等的记载显而易见地看出并抽出上述以外的效果。
附图说明
图1A和图1B各自示出蓄电系统的例子;
图2示出保护电路的例子;
图3A至图3D各自示出蓄电池的充电曲线的例子;
图4A至图4C各自示出蓄电池的充电曲线的例子;
图5A和图5B各自示出蓄电池的充电曲线的例子,图5C和图5D各自示出蓄电池的充电曲线及放电曲线的例子;
图6示出蓄电池的充电曲线及放电曲线的例子;
图7是示出蓄电系统的工作的流程图;
图8是示出蓄电系统的工作的流程图;
图9示出神经网络的结构实例;
图10A至图10C各自示出神经网络的结构实例;
图11A至图11C各自示出神经网络的结构实例;
图12是示出积和运算电路的结构实例的方框图;
图13是示出电路的结构实例的电路图;
图14是示出积和运算电路的工作实例的时序图;
图15示出蓄电池及电路的结构实例;
图16示出蓄电池及电路的结构实例;
图17A和图17B是示出二次电池的例子的立体图;
图18A至图18C是示出二次电池的例子的截面图,图18D是示出二次电池的例子的立体图;
图19A至图19C各自示出车辆的例子;
图20A至图20C各自示出车辆的例子;
图21A至图21C各自示出电子设备的例子;
图22A和图22B各自示出蓄电系统的应用实例;
图23A至图23F各自示出电子设备的例子;
图24是示出半导体装置的结构实例的截面图;
图25是示出半导体装置的结构实例的截面图;
图26A至图26C是示出晶体管的结构实例的俯视图及截面图;
图27A和图27B是示出晶体管的结构实例的截面图;
图28A和图28B是示出晶体管的结构实例的俯视图及截面图;
图29A示出LSTM的网络模型的例子,图29B和图29C示出充电曲线的例子;
图30A是系统的方框图,图30B是试制品的外观照片;
图31是试制品的外观照片;
图32示出全局算法;
图33示出算法;
图34示出算法;
图35示出算法;以及
图36示出LSTM的算法。
具体实施方式
下面,参照附图对实施方式进行说明。但是,实施方式可以以各种模式来实现。所属技术领域的普通技术人员很容易地理解一个事实就是其方式及详细内容在不脱离本发明的宗旨及其范围的情况下可以被变换为各种各样的形式。因此,本发明不应该被解释为仅局限在以下实施方式的记载中。
在附图中,为显而易见,有时夸大表示大小、层的厚度或区域。因此,大小、层的厚度或区域并不一定限定于上述尺寸。注意,附图是示出理想的例子的示意图,本发明的实施方式不局限于附图所示的形状或数值等。
另外,在本说明书中,可以适当地组合以下任何实施方式。另外,当在一个实施方式中示出多个结构实例时,可以适当地组合这些结构实例。
在本说明书中,神经网络是指模仿生物的神经回路网,通过学习决定神经元之间的连接强度,由此具有问题解决能力的所有模型。神经网络包括输入层、中间层(也称为隐藏层)及输出层。
在本说明书的神经网络的说明中,有时将根据已有的数据决定神经元之间的连接强度(也称为权系数)的工作称为“学习”。
在本说明书中,有时将使用通过学习得到的连接强度构成神经网络,从此导出新的结论的工作称为“推论”。
使用本发明的一个实施方式的神经网络的系统例如可以由使用在沟道形成区中包含氧化物半导体或金属氧化物的晶体管的电路实现。
另外,使用本发明的一个实施方式的神经网络的系统也可以由软件及硬件构成。作为硬件的存储器,可以使用安装有在沟道形成区中含有氧化物半导体或金属氧化物的晶体管的存储器,也可以使用其他的已知的存储器。作为软件的操作系统,可以使用Windows(注册商标)、UNIX(注册商标)或macOS(注册商标)等各种操作系统。软件的应用程序可以使用Python(注册商标)、Go、Perl、Ruby、Prelog、Visual Basic(注册商标)、C、C++、Swift、Java(注册商标)、NET等各种编程语言编写。应用程序可以使用Chainer(注册商标)(可在Python中利用)、Caffe(可在Python及C++中利用)、TensorFlow(可在C、C++及Python中利用)等框架编写。
在本说明书中说明的实施方式中,使用包括各种计算机硬件或软件的专用计算机或通用计算机。本说明书中说明的实施方式可以安装有使用计算机能够读取的记录媒体。记录媒体也可以包括RAM、ROM、光盘、磁盘或计算机所能够存取的任意的其他的存储媒体。在本说明书中说明的实施方式中作为一个例子示出的算法、构成要素、流程、程序等可以执行软件或者硬件与软件的组合。
(实施方式1)
在本实施方式中,说明将蓄电池的参数输入神经网络并对蓄电池的状态进行解析的例子。
作为本发明的一个实施方式的蓄电池,例如优选使用二次电池。作为二次电池,例如可以举出:锂离子电池等使用电化学反应的二次电池;双电层电容器、氧化还原电容器等电化学电容器;空气电池;燃料电池等。
作为二次电池的正极材料,例如可以使用包含元素A、元素X及氧的材料。元素A优选为选自第一族元素及第二族元素中的一个以上的元素。作为第一族元素,例如可以使用锂、钠、钾等碱金属。作为第二族元素,例如可以使用钙、铍、镁等。作为元素X,例如可以使用选自金属元素、硅和磷中的一个以上的元素。元素X优选为选自钴、镍、锰、铁和钒中的一个以上的元素。
为了安全使用安装有蓄电池的装置(例如,车辆或电子设备等),需要使蓄电池稳定工作。
在蓄电池内部,除了充电及放电的可逆反应以外,例如有时发生蓄电池的安全性降低的现象。例如,可以举出电解液的分解等副反应或电极表面上的金属析出等。这些现象有时不仅使蓄电池的电容降低,而且使蓄电池的安全性降低。
下面,详细说明蓄电池的安全性降低的现象的例子。在蓄电池中,有时由于正极与负极的短路,有时发生如下现象:蓄电池的电解液明显地分解而发生气体;因蓄电池的温度上升而发生电极材料的分解反应;等。这种现象有时使蓄电池的安全性降低。例如,有时在锂离子电池的负极上析出锂金属而发生短路。
在本发明的一个实施方式的蓄电系统中,在蓄电池的充电及放电的过程中例如通过测量电压及电流等参数,来对蓄电池的状态进行解析,根据蓄电池的状态决定蓄电池的工作条件。更详细地说,对充电曲线或放电曲线进行解析。在此,充电曲线例如是指充电过程中的随时间的电压推移或者随时间的电容推移。同样地,放电曲线例如是指放电过程中的随时间的电压推移或者随时间的电容推移。
通过使用本发明的一个实施方式的蓄电系统,例如在检测或预测出蓄电池的安全性降低的现象的情况下,通过根据检测或预测改变蓄电池的工作条件,来确保蓄电池的安全性。通过本发明的一个实施方式的蓄电系统,可以抑制蓄电池的劣化。因此,有时可以抑制蓄电池的电容下降。通过本发明的一个实施方式的蓄电系统,有时可以抑制伴随着充放电循环的电容下降。通过本发明的一个实施方式的蓄电系统,有时可以抑制蓄电池的温度上升。因此,有时可以延长蓄电池的寿命。
在将蓄电池安装在使用者所穿戴的装置或者使用者所操作的车辆等的情况下,通过提高蓄电池的安全性,可以确保使用者的安全。另外,通过抑制蓄电池的电容下降,可以延长安装有蓄电池的装置等的蓄电池的更换间隔或者不需要更换电池,从而可以提高方便性,并可以抑制成本。另外,通过防止蓄电池的电容下降,可以延长安装有蓄电池的装置等的使用时间。例如,可以提高车辆的行驶距离。通过延长使用时间,充电次数减少,所使用的电量减少,所以可以减少对环境的负荷。
图1A示出本发明的一个实施方式的蓄电系统130的例子。图1A所示的蓄电系统130包括蓄电池135、与蓄电池135电连接的保护电路137、通过保护电路137与蓄电池135电连接的控制蓄电池135的工作的控制电路131以及与控制电路131电连接的通过控制电路131接收蓄电池135的参数的神经网络NN。控制电路131例如通过保护电路137控制蓄电池135的工作。神经网络NN的输出供应到控制电路131,根据输出结果决定蓄电池135的工作条件。控制电路131优选包括寄存器RS、库仑计CC及电路BC。电路BC例如具有控制蓄电池的工作的功能。
如图1B所示,蓄电系统130也可以包括多个蓄电池。图1B所示的蓄电系统包括k个蓄电池及k个保护电路。各蓄电池与各自对应的保护电路电连接。在此,将与第m蓄电池连接的保护电路称为第m保护电路。注意,k为1以上的整数,m为1以上且k以下的整数。k个保护电路分别与控制电路131连接。在图1B中示出各蓄电池与各自对应的保护电路连接的例子,但是,例如,蓄电系统130也可以具有如下结构:控制电路131包括保护电路,k个蓄电池分别与控制电路电连接且由控制电路131所包括的保护电路控制。关于蓄电池135的记载可以适用于蓄电池135_m。
保护电路137所包括的端子V1及端子V2电连接到控制电路131。在图1A和图1B所示的例子中,端子V1及端子V2电连接到电路BC。端子V1及端子V2通过保护电路137电连接到蓄电池135的两极。蓄电池135的两极也可以以不通过保护电路137的方式电连接到控制电路131。
保护电路137也可以包括端子V1及端子V2以外的端子。在图1A和图1B所示的例子中,保护电路137包括端子B1,该端子B1与控制电路131电连接。例如,可以从端子B1输出蓄电池135的各时间的测量参数(例如,电流、电压、温度等)。
图2示出保护电路137的例子。保护电路137包括端子V1及端子V2。端子V1与蓄电池135的正极电连接,端子V2与蓄电池135的负极电连接。保护电路137还包括集成电路149、晶体管147及晶体管148。晶体管147及晶体管148优选为包括寄生二极管的MOSFET,以寄生二极管的方向彼此相反的方式连接晶体管147和晶体管148。另外,也可以电连接其他二极管元件代替寄生二极管。晶体管148与蓄电池135的负极电连接。晶体管147及晶体管148设置在从端子V2对蓄电池135进行充电或放电的路径上。晶体管147被用作充电用开关,晶体管148被用作放电用开关。在用于充放电的电压范围之外的电压被施加到端子V1与端子V2之间的情况下以及在超过用于充放电的电流范围的电流被供应到端子V1与端子V2之间的情况下,使晶体管147或晶体管148关闭来保护蓄电池135。
保护电路137优选包括其一个电极与端子V1电连接的电阻器144及其一个电极与端子V2电连接的电阻器145。电阻器144的另一个电极及电阻器145的另一个电极电连接到集成电路149。
保护电路137也可以包括与蓄电池135并联连接的电容器146。
在本发明的一个实施方式的神经网络中,作为输入参数,优选使用有关蓄电池的测量数据。例如,可以每隔一定时间同时对蓄电池的电流与电压的组进行采样并读出,储存规定个数的数据组,将其用作输入参数。或者,作为输入参数,例如可以使用时间及各时间的蓄电池的电流与电压的数据组。在此,蓄电池的电压例如是蓄电池的两极的电位差。
作为输入参数,可以使用蓄电池的电容与电压的数据组。蓄电池的电容例如可以利用蓄电池的电流与时间之积来获得。另外,也可以使用库仑计CC获得蓄电池的电容。
作为输入参数,也可以使用蓄电池的荷电状态(state of charge,SOC)。蓄电池的SOC例如是从蓄电池的充电电容的绝对值减去放电电容的绝对值而获得的值与充满电电容的比率。蓄电池的SOC也可以利用蓄电池的电压推测。
在蓄电池的充电或放电中,电压通常根据电流的大小变化。例如,因蓄电池的电阻所引起的电压下降的值根据电流的大小变化。因此,有时根据电流的大小与电压的关系,可以算出蓄电池的电阻。可以将通过上述方法算出的电阻值用作输入参数。
作为输入参数,还可以使用蓄电池的开路电压(OCV:open circuit voltage)。蓄电池的开路电压例如是指不使电流流过蓄电池的状态下的蓄电池的两极的电位差。在此,“不使电流流过蓄电池的状态”例如是指不对蓄电池施加负载的状态及蓄电池不与充电电路电连接的状态。通过对开路电压与明显的电流流过蓄电池的状态下的电压进行比较,例如有时可以算出蓄电池的电阻。
供应到控制电路131的蓄电池135的参数优选储存于寄存器RS。例如,蓄电池135_1至蓄电池135_k的参数储存在寄存器RS中,并且该参数依次被神经网络NN解析。
或者,有时在寄存器RS中储存蓄电池135的时间序列数据,对该时间序列数据进行比较及解析。例如,有时对某个充电循环或者放电循环中的时间序列数据进行解析。
或者,也可以在寄存器RS中储存对应于蓄电池的第x次的充放电循环(x为1以上的整数)的输入参数,并对该输入参数与对应于蓄电池的第y次的充放电循环(y为x以上的整数)的输入参数进行比较。例如,可以算出第y次的充放电循环的电压与第x次的充放电循环的电压之差而将其用作输入参数。
另外,可以算出电流、电压、电容等的参数的时间微分而将其用作输入参数。
[学习]
本发明的一个实施方式的神经网络优选进行用来判断是否改变蓄电池的工作条件的学习。改变蓄电池的工作条件例如是指:停止蓄电池的工作;改变蓄电池的充电或放电的速度,例如改变蓄电池的充电或放电的电流的大小的上限,或者改变蓄电池的充电或放电的电压,例如改变蓄电池的充电或放电的电压的上限或下限。
在测量蓄电池之后,根据数据将蓄电池分为两组:判断为优选改变工作条件的组(A组);判断为不需要改变工作条件的组(B组)。分组基准由测量结果的观测者决定。或者,也可以根据蓄电池的测量参数的值进行分组。作为蓄电池的测量参数,可以举出上述电流、电压、电容及测量这些参数的时间。注意,时间也可以是相对的时间。例如,可以使用以充电开始时间为基准的时间。作为蓄电池的测量参数,例如可以举出蓄电池的温度或膨胀(体积变化)等。例如,在蓄电池的表面温度与测量环境的温度之差超过一定数值的情况下,判断该数据属于A组。
另外,当改变蓄电池的工作条件时,如果有两个以上的改变之后的条件的情况下,可以根据该条件数进行分组。例如,可以分为三个以上的组。
在本发明的一个实施方式的蓄电系统中,输入到神经网络的参数例如是在某个期间储存的测量数据。例如,以各时间的蓄电池的电压与测量该电压的时间为一组,将多个组的数据输入神经网络。或者,也可以以各时间的蓄电池的电压、从外部充电的电流和测量该电压及电流的时间为一组,将多个组的数据输入神经网络。在本发明的一个实施方式的神经网络中,优选对某个期间的蓄电池的参数的随时间的推移(例如,电压的随时间的推移)进行解析。
在本发明的一个实施方式的蓄电系统中,在各时间获得测量数据并将该测量数据与时间的组(例如,时间与电压;时间、电压与电流;或者时间与电容)输入神经网络。在此,在多个组的数据中,在各期间相对于时间(或者电容)的数据的频率可以不同。例如,在图3A中,将由点划线围绕的区域分别称为期间A、期间B及期间C。期间A及期间C(即,充电初期及充电后期)与期间B(即,充电中期)相比相对于电容的电压变化量大。因此,优选在期间A及期间C中比期间B更深入地进行解析。例如,优选提高输入到神经网络的数据的相对于时间(或者电容)的频率。
下面说明基于观测者根据蓄电池的充电测量结果决定的基准进行分组的情况的例子。在以下例子中,对充电进行测量,但是,也可以对放电进行测量,或对充电及放电的双方进行测量。或者,可以使用不进行充放电的蓄电池的测量结果。
作为测量结果,可以使用不同蓄电池的充电数据或者同一蓄电池的不同循环数的充电数据等。
图3A至图3D示出蓄电池的充电数据的四个测量结果。在充电数据中,横轴表示电容,纵轴表示电压。
根据测量结果的观测者所决定的基准将图3A分为不改变蓄电池的工作条件的组(即,B组)。将图3B至图3D分为优选改变蓄电池的工作条件的组(即,A组)。观测者判断图3B至图3D中的由虚线围绕的区域是异常数据。判断为异常数据的理由例如可认为是电流的变动大、有多个极大点及极小点、极大点与极小点的周期不规则等。但是,通过将这些数据输入神经网络NN并进行学习,即使观测者不将特征作为参数抽出,也可以通过神经网络中的运算抽出特征量。此时,有时抽出观测者没有意识到的特征。换言之,通过使用神经网络对蓄电池的工作进行解析,有时例如可以提高蓄电池的安全性。另外,有时可以提高蓄电池的性能。
电压根据从外部充电的电流的变化而变化不是异常,因此此时优选分为不改变蓄电池的工作条件的B组。另一方面,在蓄电池的内部发生短路的情况下,虽然从外部进行控制的电流不容易发生变化,但是电压会下降。在此情况下,发生异常,所以需要分为优选改变工作条件的A组。因此,在数据组不仅包括电压和时间而且还包括电流的情况下,可以进行更准确的学习及推论,从而可以进行更准确的异常检测。
另外,数据组优选还包括蓄电池的温度。在蓄电池的温度急剧上升的情况下,在蓄电池内部中发生短路等发生安全性上重大问题的可能性高。此时,需要分为优选改变工作条件的A组。因此,在数据组包括蓄电池的温度的情况下,可以进行更准确的异常检测。
在此,也可以对充电曲线进行平滑处理。图4A至图4C示出充电曲线的例子。在图4A中,电压产生微小波动。图4B是图4A中由虚线围绕的区域的放大图。
图4C是对图4B的充电曲线进行平滑处理的结果的例子。电压的波动经过平滑处理而被抑制。
根据蓄电池的正极及负极的材料可知蓄电池的电压范围,因此也可以仅将需要注目的范围的电压用于学习,删除其他范围的数据。另外,也可以将需要注目的范围的电压归一化。例如,在正极活性物质为磷酸铁锂且负极活性物质为黑铅的蓄电池的充电曲线中,可以仅将2.5V至约4.0V(最大电压)的数据用于学习并删除2.5V以下的数据。另外,可以将2.5V至最大电压的范围的数据归一化为0至1。
另外,可以根据充电时间最长的条件的充电曲线决定最终时间。在其他条件的充电曲线中,可以使用最大电压填充充电结束之后到最终时间的无数据期间的数据。
对按时间排列的数据可以使用线性函数等进行插值。由此,即使测量间隔不规则,也可以容易应用于学习。另外,如果测量点过多,神经网络NN的存储内容的相关性有可能变低,因此也可以减少数据。
接着,将对应于各测量结果的输入参数输入神经网络NN。
在图3A至图3D所示的例子中,使用蓄电池的数据制作图表,测量者将该图表作为图像在视觉上进行判断。因此,例如,可以制作以时间为横轴且以电压为纵轴的图表或者以电容为横轴且以电压为纵轴的图表等。接着,将所制作的图表转换为图像,将其用作神经网络NN的输入参数。
接着,以神经网络NN的输出在A组与B组之间不同的方式决定神经网络NN的权系数。例如,以在输入A组的蓄电池的数据的情况下神经网络NN输出高电压信号(以下将其称为H)且在输入B组的蓄电池的数据的情况下神经网络NN输出低电压信号(以下将其称为L)的方式决定权系数。
在将蓄电池分为三组以上的情况下,以对应于各组的输入的输出分别对应于不同的输出值的方式决定权系数即可。
在此,例如,在图3B至图3D中,可以将对应于图表内的所有的区域的数据用作输入参数,也可以仅将对应于由虚线围绕的区域(即,判断为异常的期间)的数据用作输入参数。如此,通过将具有更明显特征期间的数据输入来进行学习,可以从神经网络获得高精度的结果。
在此,当进行学习时,作为输入参数,也可以使用蓄电系统130所包括的蓄电池的测量数据,也可以从外部输入参数来进行学习。或者,也可以将在外部进行学习的结果作为神经网络NN的权系数而供应。
[推论]
接着,使用进行过学习的神经网络NN对蓄电池的状态进行解析。
图5A示出充电曲线的例子。在图5A中,横轴表示电容,纵轴表示电压。在图5A中,在期间Ra进行恒流充电,在期间Rb进行恒压充电。图5B为将图5A中的横轴改变为时间的图表。
在图5A及图5B所示的例子中,示出使用者将蓄电池充电至接近充满电的状态的例子,但是在使用者在充电时使用蓄电池的情况下,如图5C所示,有时在将蓄电池充电至接近充满电的状态之前,进行放电。
在图5C中,横轴表示时间(Time),纵轴表示Voltage(电压)。在图5C中,在期间R1进行充电,在期间R2进行放电,在期间R3进行充电,在期间R4进行放电。图5D为将图5C中的横轴改变为电容(Capacity)的图表。
注意,在充电与放电之间电流的方向不同。因此,供应到神经网络NN的电流的极性可以在充电与放电之间相反。例如,充电电流可以为正电流,放电电流可以为负电流。另外,充电电流和放电电流可以为绝对值。
图6示出在期间R3观察到电压的微小波动的例子。可以对神经网络NN仅输入充电数据(即,图6的期间R1及期间R3的数据),也可以对神经网络NN输入充电数据及放电数据(即,图6的期间R1至期间R4的数据)。
在已充分学习的情况下,神经网络NN可以判断期间R3的充电数据属于A组,即,优选改变蓄电池的工作条件。
在此,在图3A至图3D所示的例子中,用于学习的数据为SOC 0%左右至100%左右的充电曲线。另一方面,如图6所示,在使用者使用蓄电池的情况下,仅对充电曲线的一部分的期间进行解析
接着,参照图7的流程图对推论的步骤进行说明。
蓄电系统130与电子设备等被供电装置电连接。在蓄电系统130中蓄电池135在工作。例如,蓄电池135在进行放电或者充电工作。在蓄电池135中测得的参数被输入到神经网络NN(步骤S001)。
神经网络NN将对应于输入参数的值输出到控制电路131(步骤S002)。
接着,控制电路131根据从神经网络NN输出的值进行判定。有时将该工作称为基于神经网络NN的输出值的分组。在图7所示的例子中,在被输出的值是H的情况下,进入步骤S004,在被输出的值不是H(例如为L)的情况下,回到步骤S001。
在步骤S004中,控制电路131改变蓄电池135的工作条件。例如,停止蓄电池的工作。在此,在将本发明的一个实施方式的蓄电系统用于多个蓄电池135的情况下,例如,将各蓄电池135的测量数据输入神经网络NN并对各蓄电池135进行解析即可。或者,也可以对串联连接或并联连接的多个蓄电池进行测量,将该数据输入神经网络NN,进行解析。
多个蓄电池的连接例子将在后面进行说明。
参照图8对分组进行更详细的说明。
在图8中,由于步骤S001及步骤S002与图7相同,因此省略其说明。
这里,考虑在步骤S002中控制电路131的输出取V1、V2及V3的三个值的情况。注意,在此示出取三个输出值的例子,但是也可以取四个以上的输出值。在步骤S003中,根据输出值进行分组。在输出值为V1的情况下进入步骤S004,在输出值为V2的情况下进入步骤S005,在输出值为V3的情况下进入步骤S006。
在步骤S004、步骤S005及步骤S006将工作条件分别设定为C1、C2及C3。通过上述步骤,可以对蓄电池的状态进行解析,而进行分组。
作为工作条件的改变的例子,可以举出蓄电池的充电及放电的速度(电流密度)、上限电压及下限电压等的参数的改变或者上述工作的停止等。
注意,蓄电池根据正极及负极的材料具有不同的性质。因此,根据正极及负极材料,有时具有不同的电压、电流、电容、SOC、电阻、时间、温度、充电曲线、放电曲线等的输入参数。另外,根据正极材料和负极材料,有时是否改变蓄电池的工作条件的判断基准不同。
因此,优选根据正极与负极的组合分别进行学习及推论。例如,在对正极活性物质为钴酸锂且负极活性物质为黑铅的组合的蓄电池进行学习的情况下,使神经网络NN的权系数与“正极和钴酸锂,负极和黑铅”的组合的信息相关联。同样地,在对正极活性物质为磷酸铁锂且负极活性物质为黑铅的组合的蓄电池进行学习的情况下以及在对正极活性物质为镍-锰-钴酸且负极活性物质为钛酸锂的组合的蓄电池进行学习的情况等下,也使各权系数与各活性物质的组合的信息相关联。
另外,当使用进行过学习的神经网络NN对蓄电池的状态进行解析时,优选解析者指定该蓄电池所包含的正极活性物质及负极活性物质的组合。接着,使用与该组合相关联的权系数进行解析。
如此,通过根据正极及负极的材料的组合分别进行学习及推论,可以更准确地检测异常。
本实施方式可以与其他实施方式的记载适当地组合。
(实施方式2)
在本实施方式中,示出神经网络NN的结构实例。
图9示出本发明的一个实施方式的神经网络的例子。图9所示的神经网络NN包括输入层IL、输出层OL及隐藏层(中间层)HL。神经网络NN可以是包括多个隐藏层HL的网络,即,深度神经网络(DNN)。注意,有时将深度神经网络中的学习称为深度学习。输出层OL、输入层IL及隐藏层HL分别具有多个神经元电路,设置在不同的层中的神经元电路通过突触电路彼此连接。
神经网络NN通过学习而具有对蓄电池的状态进行解析的功能。在神经网络NN被输入所测量的蓄电池的参数时,在各层中进行运算处理。各层中的运算处理通过上一层所包括的神经元电路的输出和权系数的积和运算等执行。注意,层之间的连接可以是所有的神经元电路彼此连接的全连接,也可以是一部分的神经元电路彼此连接的部分连接。
例如,也可以使用卷积神经网络(CNN:Convolutional Neural Network),其包括卷积层和池化层,在相邻的层间只有特定的单元具有连接。CNN例如用于图像处理。在卷积层中例如进行图像数据与过滤器的积和运算。池化层优选直接配置在卷积层之后。
卷积层具有对图像数据进行卷积的功能。卷积通过反复进行图像数据的一部分与权重滤波器(weight filter)的滤波值的积和运算来进行。通过卷积层中的卷积,抽取图像的特征。
在卷积中可以使用权重滤波器。对输入到卷积层的图像数据使用过滤器施行过滤器处理。
在被施行卷积的数据利用激活函数被转换之后,被输出到池化层。作为激活函数,可以使用线性整流函数(Rectified Linear Unit:ReLU)等。ReLU是如下函数:在输入值为负值时输出“0”,在输入值为“0”以上时直接输出输入值。作为激活函数,还可以使用sigmoid函数或tanh函数等。
池化层具有对从卷积层输入的图像数据进行池化的功能。在池化中,将图像数据分割为多个区域,按该区域提取指定数据,并将该数据配置为矩阵状。通过池化,可以在不失去在卷积层提取的特征的情况下缩小图像数据。作为池化,可以利用最大池化、平均池化、Lp池化等。
在CNN中通过上述卷积处理及池化处理进行特征提取。注意,CNN可以包括多个卷积层及多个池化层。
在例如交替配置几个卷积层和几个池化层之后,优选配置全连接层。此外,也可以配置多个全连接层。全连接层优选具有使用进行过卷积及池化的图像数据进行图像判定的功能。
图10A所示的神经网络NN的结构实例有时被称为循环神经网络(RecurrentNeural Network:RNN)。在图10A所示的RNN中,隐藏层HL包括反馈环路,且隐藏层HL的输出输入到隐藏层HL自身(反馈)。通过使用RNN,可以对时间序列数据进行解析,而进行数据的预测。例如,在本发明的一个实施方式的神经网络中,有时根据以前的充放电曲线推测指定时间之后的数据。
图10B是简化时间T=T(x)时的RNN的图。注意,Win表示输入层IL到隐藏层HL的输入的权系数,Wout表示隐藏层HL到输出层OL的输入的权系数,Wr表示从隐藏层HL反馈的权系数。
如图10C所示,在RNN中,通过展开时间轴,可以将各时间(在图10A至图10C中,为时间T(1)至T(x)的各时间)的层视为不同的层(输入层IL(1)至输入层IL(x)、隐藏层HL(1)至隐藏层HL(x)及输出层OL(1)至输出层OL(x))。通过将RNN在时间轴方向上展开,如图10C所示,RNN可以被视为没有反馈环路的前馈型网络。
另外,作为神经网络,可以使用被称为长短期记忆(Long Short-Term Memory:LSTM)的结构。与隐藏层具有存储单元而储存状态的RNN不同,LSTM可以对更长时间的数据进行解析,例如进行推测。
接着,对具有学习功能的神经网络的结构实例进行说明。图11A至图11C示出神经网络NN的结构实例。神经网络NN包括神经元电路NC与设置在神经元电路之间的突触电路SC。
图11A示出构成神经网络NN的神经元电路NC和突触电路SC的结构实例。向突触电路SC输入输入数据x1至输入数据xL(L为自然数)。此外,突触电路SC具有储存权系数wk(k为1以上且L以下的整数)的功能。权系数wk对应于神经元电路NC间的键合强度。
当向突触电路SC输入输入数据x1至xL时,神经元电路NC被供应如下值:输入到突触电路SC的输入数据xk与储存在突触电路SC中的权系数wk之积(xkwk)在k=1至L的条件下相加而得到的值(x1w1+x2w2+...+xLwL),即通过使用xk和wk的积和运算得到的值。在该值超过神经元电路NC的阈值θ的情况下,神经元电路NC输出高电平信号y。将该现象称为神经元电路NC的触发。
图11B示出使用神经元电路NC和突触电路SC构成分层感知器的神经网络NN的模型。神经网络NN包括输入层IL、隐藏层(中间层)HL及输出层OL。
从输入层IL输出输入数据x1至输入数据xL。隐藏层HL包括隐藏突触电路HS及隐藏神经元电路HN。输出层OL包括输出突触电路OS及输出神经元电路ON。
向隐藏神经元电路HN供应通过使用输入数据xk和保持在隐藏突触电路HS中的权系数wk的积和运算得到的值。接着,向输出神经元电路ON供应根据使用隐藏神经元电路HN的输出和保持在输出突触电路OS中的权系数wk的积和运算得到的值。接着,从输出神经元电路ON输出输出数据y1至输出数据yL。
如此,接收指定的输入数据的神经网络NN具有作为输出数据输出对应于保持在突触电路SC中的权系数和神经元电路的阈值θ的值的功能。
另外,通过输入监督数据,神经网络NN可以进行监督学习。图11C示出利用反向传播算法进行监督学习的神经网络NN的模型。
反向传播算法是以神经网络的输出数据与监督数据之间的误差变小的方式改变突触电路的权系数wk的方法。具体而言,根据基于输出数据(数据y1至yL)和监督数据(数据t1至tL)决定的误差δO而改变隐藏突触电路HS的权系数wk。此外,根据隐藏突触电路HS的权系数wk的变化量而改变上一层的突触电路SC的权系数wk。如此,通过基于监督数据t1至tL依次改变突触电路SC的权系数,神经网络NN能够进行学习。
注意,在图11B和图11C中示出一层的隐藏层HL,但是也可以设置两层以上的隐藏层HL。通过使用包括两层以上的隐藏层HL的神经网络(称为深度神经网络(DNN)的神经网络),可以进行深层学习。由此,可以提高蓄电池的状态的预测精度。
如图10C所示,通过在时间轴方向上展开RNN,可以将RNN视为没有反馈环路的前馈型网络。在前馈型网络中,可以使用上述反向传播算法根据监督数据改变权系数。
本实施方式可以与其他实施方式的记载适当地组合。
(实施方式3)
在本实施方式中,对可用于上述实施方式所示的神经网络的模拟积和运算电路的具体例子进行说明。
图9、图10A至图10C、图11A至图11C所示的神经网络整体的运算使用庞大的积和运算执行。在使用数字电路进行这些运算处理的情况下,所需要的晶体管数增多,效率下降,功耗增加。因此,上述积和运算优选使用模拟积和运算电路(以下,将其称为AnalogProduct-Sum circuit(APS))进行。APS优选包括模拟存储器。通过将利用学习获得的权系数储存于上述模拟存储器中,APS可以对模拟数据按其原样进行积和运算。其结果是,通过利用APS,可以以少量的晶体管高效地构成神经网络。
注意,在本说明书中,“模拟存储器”是指能够储存模拟数据的存储装置,“模拟数据”是指具有3比特(8值)以上的分辨率的数据。有时将多值数据称为模拟数据。
作为上述模拟存储器,可以使用多值快闪存储器、Resistive Random AccessMemory(ReRAM)、Magnetoresistive Random Access Memory(MRAM)或者使用OS晶体管的存储器(OS存储器)。
OS晶体管的沟道形成区优选包含金属氧化物。沟道形成区所具有的金属氧化物优选包含铟(In)。在沟道形成区所具有的金属氧化物包含铟的情况下,OS晶体管的载流子迁移率(电子迁移率)得到提高。沟道形成区所具有的金属氧化物优选为包含元素M的氧化物半导体。元素M优选是铝(Al)、镓(Ga)或锡(Sn)等。作为可用作元素M的其他元素,有硼(B)、硅(Si)、钛(Ti)、铁(Fe)、镍(Ni)、锗(Ge)、钇(Y)、锆(Zr)、钼(Mo)、镧(La)、铈(Ce)、钕(Nd)、铪(Hf)、钽(Ta)、钨(W)等。注意,作为元素M也可以使用上述元素中的两种以上的组合。元素M例如是与氧的键能高的元素。元素M例如是与氧的键能高于铟的元素。沟道形成区所具有的金属氧化物优选是包含锌(Zn)的金属氧化物。包含锌的金属氧化物有时容易晶化。
沟道形成区所具有的金属氧化物不局限于包含铟的金属氧化物。沟道形成区所具有的金属氧化物例如也可以是锌锡氧化物及镓锡氧化物等不包含铟且包含锌、镓或锡的金属氧化物等。图12示出积和运算电路的结构实例。图12所示的积和运算电路MAC为进行后述的存储单元所保持的第一数据与被输入的第二数据的积和运算的电路。注意,第一数据及第二数据可以为模拟数据或多值数据(离散数据)。
积和运算电路MAC包括电流源电路CS、电流镜电路CM、电路WDD、电路WLD、电路CLD、偏置电路OFST、激活函数电路ACTV及存储单元阵列CA。
存储单元阵列CA包括存储单元AM[1]、存储单元AM[2]、存储单元AMref[1]及存储单元AMref[2]。存储单元AM[1]及存储单元AM[2]各自具有保持第一数据的功能,存储单元AMref[1]及存储单元AMref[2]各自具有保持为了进行积和运算而需要的参考数据的功能。与第一数据及第二数据同样,参考数据也可以是模拟数据或多值数据(离散数据)。
在图12的存储单元阵列CA中,存储单元配置为2行2列的矩阵状,但是存储单元阵列CA也可以具有存储单元配置为3行以上3列以上的矩阵状的结构。在进行乘法而不进行积和运算的情况下,存储单元阵列CA也可以具有存储单元配置为1行2列以上的矩阵状的结构。
存储单元AM[1]、存储单元AM[2]、存储单元AMref[1]及存储单元AMref[2]都包括晶体管Tr11、晶体管Tr12及电容器C1。
注意,晶体管Tr11优选为OS晶体管。
通过作为晶体管Tr12使用OS晶体管,可以同时制造晶体管Tr11及晶体管Tr12,所以有时可以缩短积和运算电路的制造工序。晶体管Tr12的沟道形成区也可以是非晶硅或多晶硅等,而不是氧化物。
在各存储单元AM[1]、存储单元AM[2]、存储单元AMref[1]和存储单元AMref[2]中,晶体管Tr11的第一端子与晶体管Tr12的栅极电连接。晶体管Tr12的第一端子与布线VR电连接。电容器C1的第一端子与晶体管Tr12的栅极电连接。
在存储单元AM[1]中,晶体管Tr11的第二端子与布线WD电连接,晶体管Tr11的栅极与布线WL[1]电连接。晶体管Tr12的第二端子与布线BL电连接,电容器C1的第二端子与布线CL[1]电连接。在图12所示的存储单元AM[1]中,将晶体管Tr11的第一端子、晶体管Tr12的栅极和电容器C1的第一端子的连接部分表示为节点NM[1]。另外,将从布线BL流到晶体管Tr12的第二端子的电流表示为IAM[1]。
在存储单元AM[2]中,晶体管Tr11的第二端子与布线WD电连接,晶体管Tr11的栅极与布线WL[2]电连接。晶体管Tr12的第二端子与布线BL电连接,电容器C1的第二端子与布线CL[2]电连接。在图12所示的存储单元AM[2]中,晶体管Tr11的第一端子、晶体管Tr12的栅极和电容器C1的第一端子的连接部分为节点NM[2]。另外,将从布线BL流到晶体管Tr12的第二端子的电流表示为IAM[2]。
在存储单元AMref[1]中,晶体管Tr11的第二端子与布线WDref电连接,晶体管Tr11的栅极与布线WL[1]电连接。晶体管Tr12的第二端子与布线BLref电连接,电容器C1的第二端子与布线CL[1]电连接。在图12所示的存储单元AMref[1]中,晶体管Tr11的第一端子、晶体管Tr12的栅极和电容器C1的第一端子的连接部分为节点NMref[1]。另外,将从布线BLref流到晶体管Tr12的第二端子的电流表示为IAMref[1]。
在存储单元AMref[2]中,晶体管Tr11的第二端子与布线WDref电连接,晶体管Tr11的栅极与布线WL[2]电连接。晶体管Tr12的第二端子与布线BLref电连接,电容器C1的第二端子与布线CL[2]电连接。在图12所示的存储单元AMref[2]中,晶体管Tr11的第一端子、晶体管Tr12的栅极和电容器C1的第一端子的连接部分为节点NMref[2]。另外,将从布线BLref流到晶体管Tr12的第二端子的电流表示为IAMref[2]。
上述节点NM[1]、节点NM[2]、节点NMref[1]及节点NMref[2]被用作各存储单元的保持节点。
布线VR为用来对存储单元AM[1]、存储单元AM[2]、存储单元AMref[1]及存储单元AMref[2]的各晶体管Tr12的第一端子与第二端子之间供应电流的布线。因此,布线VR被用作用来供应指定的电位的布线。在本实施方式中,布线VR所供应的电位为参考电位或低于参考电位的电位。
电流源电路CS与布线BL及布线BLref电连接。电流源电路CS具有对布线BL及布线BLref供应电流的功能。对布线BL及布线BLref供应的电流量可以彼此不同。在本结构实例中,将从电流源电路CS流到布线BL的电流表示为IC,将从电流源电路CS流到布线BLref的电流表示为ICref。
电流镜电路CM包括布线IE及布线IEref。布线IE与布线BL电连接,在图12中,将布线IE与布线BL的连接部分表示为节点NP。布线IEref与布线BLref电连接,在图12中,将布线IEref与布线BLref的连接部分表示为节点NPref。电流镜电路CM具有将对应于节点NPref的电位的电流从布线BLref的节点NPref排出到布线IEref且将与对应于节点Npref的电流相同量的电流从布线BL的节点NP排出到布线IE的功能。在图12中,将从节点NP排出到布线IE的电流及从节点NPref排出到布线IEref的电流表示为ICM。将在布线BL中从电流镜电路CM流到存储单元阵列CA的电流表示为IB,将在布线BLref中从电流镜电路CM流到存储单元阵列CA的电流表示为IBref。
电路WDD与布线WD及布线WDref电连接。电路WDD具有发送储存在存储单元阵列CA的各存储单元中的数据的功能。
电路WLD与布线WL[1]及布线WL[2]电连接。电路WLD具有在将数据写入存储单元阵列CA中的存储单元时选择数据写入对象的存储单元的功能。
电路CLD与布线CL[1]及布线CL[2]电连接。电路CLD具有对存储单元阵列CA的各存储单元的电容器C1的第二端子施加电位的功能。
电路OFST与布线BL及布线OE电连接。电路OFST具有测量从布线BL流到电路OFST的电流量和/或从布线BL流到电路OFST的电流的变化量的功能。另外,电路OFST具有将该测量结果输出到布线OE的功能。注意,电路OFST可以将该测量结果直接作为电流输出到布线OE,也可以在将该测量结果转换为电压之后将其输出到布线OE。在图12中,将从布线BL流到电路OFST的电流表示为Iα。
例如,电路OFST也可以具有图13所示的结构。在图13中,电路OFST包括晶体管Tr21、晶体管Tr22、晶体管Tr23、电容器C2及电阻器R。
电容器C2的第一端子与布线BL电连接,电阻器R的第一端子与布线BL电连接。电容器C2的第二端子与晶体管Tr21的第一端子电连接,晶体管Tr21的第一端子与晶体管Tr22的栅极电连接。晶体管Tr22的第一端子与晶体管Tr23的第一端子电连接,晶体管Tr23的第一端子与布线OE电连接。将电容器C2的第一端子与电阻器R的第一端子的电连接点称为节点Na,将电容器C2的第二端子、晶体管Tr21的第一端子与晶体管Tr22的栅极的电连接点称为节点Nb。
电阻器R的第二端子与布线VrefL电连接。晶体管Tr21的第二端子与布线VaL电连接,晶体管Tr21的栅极与布线RST电连接。晶体管Tr22的第二端子与布线VDDL电连接。晶体管Tr23的第二端子与布线VSSL电连接,晶体管Tr23的栅极与布线VbL电连接。
布线VrefL为用来供应电位Vref的布线,布线VaL为用来供应电位Va的布线,布线VbL为用来供应电位Vb的布线。布线VDDL为用来供应电位VDD的布线,布线VSSL为用来供应电位VSS的布线。尤其是,在该电路OFST的结构实例中,电位VDD为高电平电位,电位VSS为低电平电位。布线RST为供应用来切换晶体管Tr21的导通状态/非导通状态的电位的布线。
在图13所示的电路OFST中,晶体管Tr22、晶体管Tr23、布线VDDL、布线VSSL及布线VbL构成源极跟随电路。
在图13所示的电路OFST中,由于电阻器R及布线VrefL,对应于从布线BL流出的电流及电阻器R的电阻的电位供应到节点Na。
对图13所示的电路OFST的工作实例进行说明。当第一次电流从布线BL流入(下面,将该电流称为第一电流)时,对应于第一电流及电阻器R的电阻的电位经过电阻器R及布线VrefL被供应到节点Na。此时,通过使晶体管Tr21处于导通状态,来对节点Nb供应电位Va。然后,使晶体管Tr21处于非导通状态。
接着,当第二次电流(下面,将该电流称为第二电流)从布线BL流入时,与第一电流时同样,对应于第二电流及电阻器R的电阻的电位经过电阻器R及布线VrefL被供应到节点Na。此时,由于节点Nb处于浮动状态,因此当节点Na的电位发生变化时,节点Nb的电位也由于电容耦合而变化。当节点Na的电位变化为ΔVNa且电容耦合系数为1时,节点Nb的电位为Va+ΔVNa。当晶体管Tr22的阈值电压为Vth时,电位Va+ΔVNa-Vth从布线OE输出。通过将电位Va设定为阈值电压Vth,可以从布线OE输出电位ΔVNa。
电位ΔVNa根据第一电流与第二电流之间的变化量、电阻器R及电位Vref而决定。由于电阻器R和电位Vref是已知的,所以通过使用图13所示的电路OFST,可以从电位ΔVNa获得流过布线BL的电流的变化量。
激活函数电路ACTV电连接于布线OE及布线NIL。对激活函数电路ACTV通过布线OE输入电路OFST中测量的电流的变化量的结果。激活函数电路ACTV根据已定义的函数系统对该结果进行运算。作为该函数系统,例如可以使用sigmoid函数、tanh函数、softmax函数、ReLU函数、阈值函数(threshold function)等。这些函数被用作神经网络中的激活函数。
<积和运算电路的工作实例>
接着,对积和运算电路MAC的工作实例进行说明。
图14示出积和运算电路MAC的工作实例的时序图。图14的时序图示出时间T01至时间T09的布线WL[1]、布线WL[2]、布线WD、布线WDref、节点NM[1]、节点NM[2]、节点NMref[1]、节点NMref[2]、布线CL[1]及布线CL[2]的电位的变动以及电流IB-Iα及电流IBref的大小的变动。尤其是,电流IB-Iα示出从布线BL流到存储单元阵列CA的存储单元AM[1]及存储单元AM[2]的电流的总和。
《时间T01至时间T02的期间》
在时间T01至时间T02的期间,对布线WL[1]施加高电平电位(在图14中记为High),对布线WL[2]施加低电平电位(在图14中记为Low)。再者,对布线WD施加比接地电位(在图14中记为GND)高VPR-VW[1]的电位,并且对布线WDref施加比接地电位高VPR的电位。再者,对布线CL[1]及布线CL[2]分别施加基准电位(在图14中记为REFP)。
电位Vw[1]对应于第一数据之一。电位VPR对应于参考数据。
在该期间中,存储单元AM[1]及存储单元AMref[1]的各晶体管Tr11的栅极被施加高电平电位,由此存储单元AM[1]及存储单元AMref[1]的各晶体管Tr11成为导通状态。由此,节点NM[1]的电位成为VPR-VW[1],节点NMref[1]的电位成为VPR。
从布线BL通过存储单元AM[1]的晶体管Tr12的第二端子流到第一端子的电流IAM[1],0可以由以下算式表示。
[算式1]
IAM[1],0=k(VPR-VW[1]-Vth)2 (E1)
在算式中,k为取决于晶体管Tr12的沟道长度、沟道宽度、迁移率以及栅极绝缘膜的电容等的常数。此外,Vth表示晶体管Tr12的阈值电压。
同样,从布线BLref通过存储单元AMref[1]的晶体管Tr12的第二端子流到第一端子的电流IAMref[1],0可以由以下算式表示。
[算式2]
IAMref[1],0=k(VPR-Vth)2 (E2)
注意,存储单元AM[2]及存储单元AMref[2]的各晶体管Tr11的栅极被施加低电平电位,由此存储单元AM[2]及存储单元AMref[2]的各晶体管Tr11成为非导通状态。由此,电位不被保持在节点NM[2]及节点NMref[2]中。
《时间T02至时间T03的期间》
在时间T02至时间T03的期间,对布线WL[1]施加低电平电位。此时,存储单元AM[1]及存储单元AMref[1]的各晶体管Tr11的栅极被施加低电平电位,由此存储单元AM[1]及存储单元AMref[1]的各晶体管Tr11成为非导通状态。
对布线WL[2]在时间T02以后也继续施加低电平电位。由此,存储单元AM[2]及存储单元AMref[2]的各晶体管Tr11在时间T02以前继续处于非导通状态。因此,在时间T02至时间T03的期间,节点NM[1]、节点NM[2]、节点NMref[1]及节点NMref[2]分别保持电位。通过作为晶体管Tr11使用OS晶体管,可以减少晶体管Tr11的第一端子与第二端子之间的泄漏电流,所以可以长时间保持各节点的电位。布线WD及布线WDref被施加接地电位,晶体管Tr11处于非导通状态,因此从布线WD及布线WDref施加的电位不会改写保持在节点中的电位。
《时间T03至时间T04的期间》
在时间T03至时间T04的期间,对布线WL[1]施加低电平电位,对布线WL[2]施加高电平电位。另外,对布线WD施加比接地电位高VPR-Vw[2]的电位,并且对布线WDref施加比接地电位高VPR的电位。另外,对布线CL[1]及布线CL[2]时间T02以后也继续施加基准电位。
注意,电位Vw[2]对应于第一数据之一。
在该期间中,存储单元AM[2]及存储单元AMref[2]的各晶体管Tr11的栅极被施加高电平电位,由此存储单元AM[2]及存储单元AMref[2]的各晶体管Tr11成为导通状态。因此,节点NM[2]的电位成为VPR-VW[2],节点Nref[2]的电位成为VPR。
从布线BL通过存储单元AM[2]的晶体管Tr12的第二端子流到第一端子的电流IAM[2],0可以由以下算式表示。
[算式3]
IAM[2],0=k(VPR-VW[2]-Vth)2 (E3)
同样,从布线BLref通过存储单元AMref[2]的晶体管Tr12的第二端子流到第一端子的电流IAMref[2],0可以由以下算式表示。
[算式4]
IAMref[2],0=k(VPR-Vth)2 (E4)
《时间T04至时间T05的期间》
在此,对在时间T04至时间T05的期间流过布线BL及布线BLref的电流进行说明。
电流从电流源电路CS被供应到布线BLref。再者,电流从电流镜电路CM、存储单元AMref[1]及存储单元AMref[2]排出到布线BLref。当在布线BLref中从电流源电路CS供应的电流是ICref,从电流镜电路CM排出的电流是ICM,0时,根据基尔霍夫定律,以下算式成立。
[算式5]
ICref-ICM,0=IAMref[1],0+IAMref[2],0 (E5)
当通过布线BL从电流源电路CS供应的电流是IC,0,从布线BL流到电路OFST的电流是Iα,0时,根据基尔霍夫定律,以下算式成立。
[算式6]
IC-ICM,0=IAM[1],0+IAM[2],0+Iα,0 (E6)
《时间T05至时间T06的期间》
在时间T05至时间T06的期间,对布线CL[1]施加比参考电位高VX[1]的电位。此时,存储单元AM[1]及存储单元AMref[1]的各电容器C1的第二端子被施加电位VX[1],因此晶体管Tr12的栅极的电位上升。
电位Vx[1]对应于第二数据之一。
晶体管Tr12的栅极的电位的增加量相当于布线CL[1]的电位变化量乘以由存储单元的结构决定的电容耦合系数的电位。该电容耦合系数根据电容器C1的电容、晶体管Tr12的栅极电容以及寄生电容而算出。在本工作例中,为了容易说明,假设为布线CL[1]的电位的增加量与晶体管Tr12的栅极的电位的增加量相等的情况来进行说明。这意味着将存储单元AM[1]和存储单元AMref[1]的电容耦合系数都设定为1。
当电容耦合系数被设定为1且对存储单元AM[1]及存储单元AMref[1]的各电容器C1的第二端子施加电位Vx[1]时,节点NM[1]及节点NMref[1]的电位都上升Vx[1]。
对从存储单元AM[1]及存储单元AMref[1]的各晶体管Tr12的第二端子流到第一端子的电流进行说明。从布线BL通过存储单元AM[1]的晶体管Tr12的第二端子流到第一端子的电流IAM[1],1可以由如下算式表示。
[算式7]
IAM[1],1=k(VPR-VW[1]+VX[1]-Vth)2 (E7)
也就是说,通过对布线CL[1]施加电位Vx[1]从布线BL通过存储单元AM[1]的晶体管Tr12的第二端子流到第一端子的电流增加IAM[1],1-IAM[1],0(在图14中记为ΔIAM[1])。
同样,从布线BLref通过存储单元AMref[1]的晶体管Tr12的第二端子流到第一端子的电流IAMref[1],1可以由如下算式表示。
[算式8]
IAMref[1],1=k(VPR+VX[1]-Vth)2 (E8)
也就是说,通过对布线CL[1]施加电位Vx[1],从布线Bref通过存储单元AMref[1]的晶体管Tr12的第二端子流到第一端子的电流增加IAMref[1],1-IAMref[1],0(在图14中记为ΔIAMref[1])。
当在布线BLref中从电流镜电路CM排出的电流由ICM,1表示时,根据基尔霍夫定律,以下算式成立。
[算式9]
ICref-ICM,1=IAMref[1],1+IAMref[2],1 (E9)
当在布线BL中从布线BL流到电路OFST的电流由Iα,1表示时,根据基尔霍夫定律,以下算式成立。
[算式10]
IC-ICM,1=IAM[1],1+IAM[2],0+Iα,1 (E10)
注意,在时间T04至时间T05的期间从布线BL流到布线OFST的电流Iα,0与在时间T05至时间T06的期间从布线BL流到布线OFST的电流Iα,1之差由ΔIα表示。下面,将ΔIα称为积和运算电路MAC中的差分电流。差分电流ΔIα可以利用算式(E1)至算式(E10)表示为以下算式。
[算式11]
ΔIα=Iα,1-Iα,0=2kVW[1]VX[1] (E11)
《时间T06至时间T07的期间》
在时间T06至时间T07的期间,对布线CL[1]施加接地电位。存储单元AM[1]及存储单元AMref[1]的各电容器C1的第二端子被施加接地电位。因此节点NM[1]及节点NMref[1]的电位恢复到时间T04至时间T05的电位。
《时间T07至时间T08的期间》
在时间T07至时间T08的期间,对布线CL[1]施加比参考电位高VX[1]的电位,对布线CL[2]施加比参考电位高VX[2]的电位。此时,存储单元AM[1]及存储单元AMref[1]的各电容器C1的第二端子被施加电位VX[1],存储单元AM[2]及存储单元AMref[2]的各电容器C1的第二端子被施加电位VX[2]。因此,存储单元AM[1]、存储单元AM[2]、存储单元AMref[1]及存储单元AMref[2]的各晶体管Tr12的栅极的电位上升。
从布线BL通过存储单元AM[2]的晶体管Tr12的第二端子流到第一端子的电流IAM[2],1可以由以下算式表示。
[算式12]
IAM[2],1=k(VPR-VW[2]+VX[2]-Vth)2 (E12)
同样,从布线BLref通过存储单元AMref[2]的晶体管Tr12的第二端子流到第一端子的电流IAMref[2],1可以由以下算式表示。
[算式13]
IAMref[2],1=k(VPR+VX[2]+Vth)2 (E13)
当在布线BLref中从电流镜电路CM排出的电流是ICM,2时,根据基尔霍夫定律,以下算式成立。
[算式14]
ICref-ICM,2=IAMref[1],1+IAMref[2],1 (E14)
从布线BL流到电路OFST的电流是Iα,3,根据基尔霍夫定律,以下算式成立。
[算式15]
IC-ICM0,2=IAM[1],1+IAM[2],1+Iα,3 (E15)
在时间T04至时间T05的期间从布线BL流到布线OFST的电流Iα,0与在时间T07至时间T08的期间从布线BL流到布线OFST的电流Iα,3之差的差分电流ΔIα可以利用算式(E1)至算式(E8)及算式(E12)至算式(E15)表示为以下算式。
[算式16]
ΔIα=Iα,0-Iα,3=2k(VW[1]VX[1]+VW[2]VX[2]) (E16)
根据算式(E16),输入到电路OFST的差分电流ΔIα对应于多个第一数据的电位VW和多个第二数据的电位VX的积之和。换言之,通过在电路OFST中测量差分电流ΔIα,可以获得第一数据与第二数据的积和值。
《时间T08至时间T09的期间》
在时间T08至时间T09的期间,对布线CL[1]及布线CL[2]施加基准电位。存储单元AM[1]、存储单元AM[2]、存储单元AMref[1]及存储单元AMref[2]的各电容器C1的第二端子被施加基准电位。因此节点NM[1]、节点NM[2]、节点NMref[1]及节点NMref[2]的电位恢复到时间T06至时间T07的电位。
在时间T05至时间T06的期间,对布线CL[1]施加VX[1],在时间T07至时间T08的期间,对布线CL[1]及布线CL[2]分别施加VX[1]及VX[2]。但是,施加到布线CL[1]及布线CL[2]的电位也可以低于参考电位REFP。在对布线CL[1]和/或布线CL[2]施加低于参考电位REFP的电位的情况下,可以利用电容耦合降低与布线CL[1]和/或布线CL[2]连接的存储单元的保持节点的电位。因此,可以利用积和运算获得第一数据与作为负值的第二数据之一的积。例如,在时间T07至时间T08的期间,在对布线CL[2]不施加VX[2]而施加-VX[2]的情况下,差分电流ΔIα可以由以下算式表示。
[算式17]
ΔIα=Iα,1-Iα,3=2k(VW[1]VX[1]-VW[2]VX[2]) (E17)
在本工作实例中,使用包括配置为2行2列的矩阵状的存储单元的存储单元阵列CA,但是,也可以使用1行2列以上或者3行以上3列以上的存储单元阵列同样地进行积和运算。在本工作实例的积和运算电路中,通过将多个列中的一列的存储单元用作保持参考数据(电位VPR)的存储单元,可以同时执行多个列中的剩下的列数的积和运算处理。换言之,通过增加存储单元阵列的列数,可以提供能够实现高速积和运算处理的运算电路。通过增加行数,可以增加积和运算中相加的加数。在增加行数的情况下,差分电流ΔIα可以由以下算式表示。
[算式18]
在本实施方式中说明的积和运算电路中,存储单元AM的行数对应于上一层的神经元数。换言之,存储单元AM的行数对应于输入到一层的上一层的神经元的输出信号的个数。存储单元AM的列数对应于下一层的神经元数。换言之,存储单元AM的列数对应于从下一层输出的神经元的输出信号的个数。换言之,上一层、下一层的各神经元的个数决定积和运算电路的存储单元阵列的行数及列数。因此,根据想要构成的神经网络决定存储单元阵列的行数及列数以设计神经网络即可。
本实施方式可以与其他实施方式的记载适当地组合。
(实施方式4)
在本实施方式中,对包括多个蓄电池的蓄电系统进行说明。
说明图1B所示的包括多个蓄电池的蓄电系统130包括备用蓄电池且将判断为停止工作的蓄电池替换成备用蓄电池的情况。
图15示出蓄电池135_1至蓄电池135_4电连接到控制电路131的例子。注意,在图15中,蓄电池的两极以不通过保护电路的方式电连接到端子V1及端子V2,端子V1及端子V2电连接到控制电路131。控制电路131包括电路BC。电路BC包括电路BM。电路BM电连接到各蓄电池的端子V1及端子V2。电路BM例如被用作各蓄电池的保护电路。在电路BM中,优选测量各蓄电池的电压。电路BM优选具有对各蓄电池进行充电及放电的功能。
电路BM优选包括比较器,该比较器优选对蓄电池间的电压进行比较。电路BM例如也可以对所测量的各蓄电池的电压进行比较,根据比较结果控制各蓄电池的工作。例如,在充电中,可以停止被测量的电压比电压最低的蓄电池高的蓄电池的充电。或者,可以对被测量的电压高的蓄电池进行放电以使其电压达到电压最低的蓄电池的电压左右。在该放电过程中,也可以将被放电的电荷充电到其他蓄电池。
端子V1及端子V2与电路BC的开关群141电连接。
在图15中,蓄电池135_1至蓄电池135_4彼此串联电连接。
在图15中,蓄电池135_S是备用蓄电池,蓄电池135_S与电路BC电连接。与蓄电池135_S连接的端子V1及端子V2与开关群142电连接。
参照图16对将判断为停止工作的蓄电池替换成备用蓄电池的情况进行说明。在图16中,作为例子,通过使用上述神经网络NN的推论判断停止蓄电池135_2的工作且将蓄电池135_2替换成蓄电池135_S的情况。
在开关群141中,使连接到与蓄电池135_2连接的端子V1及端子V2的开关处于非导通状态。
在开关群142中,将与蓄电池135_S连接的端子V1及端子V2电连接到以前与蓄电池135_2连接的行的布线。通过该操作,蓄电池135_S与蓄电池135_1及蓄电池135_3串联电连接。
在图15及图16中,示出四个蓄电池串联连接的例子,但是也可以连接五个以上的蓄电池。在蓄电池并联连接的情况下,也可以将停止工作的蓄电池替换成备用电池。
本实施方式可以与其他实施方式的记载适当地组合。
(实施方式5)
在本实施方式中,对二次电池的例子进行说明。
[圆筒型二次电池]
接着,参照图17A和图17B对圆筒型二次电池的例子进行说明。如图17A所示,圆筒型二次电池700在顶面具有正极盖(电池盖)701,并在侧面及底面具有电池罐(外装罐)702。上述正极盖701与电池罐(外装罐)702通过垫片(绝缘垫片)710绝缘。
图17B是示意性地示出圆筒型二次电池的截面的图。在中空圆柱状电池罐702的内侧设置有电池元件,在该电池元件中,带状正极704和带状负极706夹着隔离体705被卷绕。虽然未图示,但是电池元件以中心销为中心被卷绕。电池罐702的一端关闭且另一端开着。作为电池罐702可以使用对电解液具有抗腐蚀性的镍、铝、钛等金属、它们的合金或者它们和其他金属的合金(例如不锈钢等)。为了防止电解液所引起的腐蚀,电池罐702优选被镍或铝等覆盖。在电池罐702的内侧,正极、负极及隔离体被卷绕的电池元件由对置的一对绝缘板708和绝缘板709夹着。另外,在设置有电池元件的电池罐702的内部中注入有非水电解液(未图示)。作为非水电解液,可以使用与硬币型二次电池相同的电解液。
因为用于圆筒型二次电池的正极及负极被卷绕,从而活性物质优选形成在集流体的两个表面。正极704与正极端子(正极集电引线)703连接,而负极706与负极端子(负极集电引线)707连接。正极端子703及负极端子707都可以使用铝等金属材料。将正极端子703电阻焊接到安全阀机构712,而将负极端子707电阻焊接到电池罐702底。安全阀机构712与正极盖701通过正温度系数(Positive Temperature Coefficient:PTC)元件711电连接。当电池的内压上升到超过指定的阈值时,安全阀机构712切断正极盖701与正极704的电连接。PTC元件711是在温度上升时其电阻增大的热敏感电阻器,并通过电阻的增大来限制电流量以防止异常发热。注意,PTC元件可以使用钛酸钡(BaTiO3)类半导体陶瓷等。
在本实施方式中,示出锂离子二次电池的例子,但是不局限于锂离子二次电池。作为二次电池的正极材料,例如可以使用包含元素A、元素X及氧的材料。元素A优选为选自第一族元素及第二族元素中的一个以上的元素。作为第一族元素,例如可以使用锂、钠、钾等碱金属。作为第二族元素,例如可以使用钙、铍、镁等。作为元素X,例如可以使用选自金属元素、硅和磷中的一个以上的元素。元素X优选为选自钴、镍、锰、铁和钒中的一个以上的元素。正极材料的典型的例子是锂钴复合氧化物(LiCoO2)和磷酸铁锂(LiFePO4)。
负极包括负极活性物质层及负极集流体。负极活性物质层也可以包含导电助剂及粘合剂。
作为负极活性物质,可以使用能够通过与锂的合金化/脱合金化反应进行充放电反应的元素。例如,可以使用包含硅、锡、镓、铝、锗、铅、锑、铋、银、锌、镉和铟等中的至少一个的材料。这种元素的电容比碳大。尤其是硅的理论电容大,为4200mAh/g。
二次电池优选包括隔离体。作为隔离体,例如可以使用如下材料:纸等具有纤维素的纤维、无纺布、玻璃纤维、陶瓷或包含尼龙(聚酰胺)、维尼纶(聚乙烯醇类纤维)、聚酯、丙烯酸树脂、聚烯烃、聚氨酯的合成纤维等。
另外,二次电池优选包括电解液。电解液优选包含溶剂及电解质。作为电解液的溶剂,优选使用非质子有机溶剂。例如可以使用碳酸乙烯酯(EC)、碳酸丙烯酯(PC)、碳酸丁烯酯、碳酸氯乙烯酯、碳酸亚乙烯酯、γ-丁内酯、γ-戊内酯、碳酸二甲酯(DMC)、碳酸二乙酯(DEC)、碳酸甲乙酯(EMC)、甲酸甲酯、乙酸甲酯、乙酸乙酯、丙酸甲酯、丙酸乙酯、丙酸丙酯、丁酸甲酯、1,3-二氧六环、1,4-二氧六环、乙二醇二甲醚(DME)、二甲亚砜、二乙醚、甲基二甘醇二甲醚(methyl diglyme)、乙腈、苯腈、四氢呋喃、环丁砜、磺内酯等中的一种,或者可以以任意组合及比率使用上述中的两种以上。
通过作为电解液的溶剂使用一种或多种具有阻燃性及难挥发性的离子液体(室温熔融盐),即使因二次电池的内部短路、过充电等而使内部温度上升也可以防止二次电池的破裂或起火等。在将二次电池安装在便携式终端或车辆等的装置的情况下,有时该装置在二次电池与使用者的距离很近的状态下被使用。在发生二次电池的破裂或起火等的情况下,例如,会发生使用者的人身安全问题。当电解液的溶剂包含离子液体时,使用者可以更安全地使用安装有二次电池的便携式终端或车辆等。离子液体包含阳离子和阴离子,尤其包含有机阳离子和阴离子。作为用于电解液的有机阳离子,可以举出季铵阳离子、叔锍阳离子及季鏻阳离子等脂肪族鎓阳离子或咪唑鎓阳离子及吡啶鎓阳离子等芳香族阳离子。作为用于电解液的阴离子可以举出一价酰胺类阴离子、一价甲基化物类阴离子、氟磺酸阴离子、全氟烷基磺酸阴离子、四氟硼酸阴离子、全氟烷基硼酸阴离子、六氟磷酸阴离子或全氟烷基磷酸阴离子等。
作为溶解于上述溶剂中的电解质,例如可以使用LiPF6、LiClO4、LiAsF6、LiBF4、LiAlCl4、LiSCN、LiBr、LiI、Li2SO4、Li2B10Cl10、Li2B12Cl12、LiCF3SO3、LiC4F9SO3、LiC(CF3SO2)3、LiC(C2F5SO2)3、LiN(CF3SO2)2、LiN(C4F9SO2)(CF3SO2)、LiN(C2F5SO2)2等锂盐中的一种,或者可以以任意组合及比率使用上述中的两种以上。
作为用于二次电池的电解液的溶剂,也可以使用混合有机溶剂与离子液体的溶剂。
作为用于二次电池的电解液,优选使用粒状的尘埃或电解液的构成元素以外的元素(以下,简称为“杂质”)的含量少的高纯度化的电解液。具体而言,使杂质在电解液的重量中所占的比率为1%以下,优选为0.1%以下,更优选为0.01%以下。
此外,也可以对电解液添加碳酸亚乙烯酯(VC)、丙磺酸内酯(PS)、叔丁基苯(TBB)、碳酸氟乙烯酯(FEC)、双乙二酸硼酸锂(LiBOB)或丁二腈、己二腈等二腈化合物等添加剂。将添加剂的浓度可以设定为例如在溶剂整体中占有0.1wt%以上且5wt%以下。
另外,也可以使用使聚合物以电解液溶胀了的聚合物凝胶电解质。
当使用聚合物凝胶电解质时,防漏液性等的安全性得到提高。此外,可以实现二次电池的薄型化及轻量化。
作为被凝胶化的聚合物,可以使用硅酮凝胶、丙烯酸胶、丙烯腈胶、聚氧化乙烯类胶、聚氧化丙烯类胶、氟类聚合物胶等。
作为聚合物,例如可以使用聚氧化乙烯(PEO)等具有聚氧化烷烯结构的聚合物、PVDF及聚丙烯腈等、以及包含这些聚合物的共聚物等。例如,可以使用作为PVDF及六氟丙烯(HFP)的共聚物的PVDF-HFP。该聚合物也可以具有多孔形状。
此外,可以使用包含硫化物类或氧化物类等的无机材料的固体电解质、包含PEO(聚氧化乙烯)类等的高分子材料的固体电解质代替电解液。当使用固体电解质时,不需要设置隔离体及间隔物。另外,由于可以使电池整体固态化,所以没有漏液的担忧而使安全性显著提高。
作为本发明的一个实施方式的二次电池,可以使用全固态电池。本发明的一个实施方式的二次电池由多个层压型二次电池构成。图18D示出使用全固态电池的层压型二次电池的例子。
图18D所示的层压型二次电池500包括正极引线电极510及负极引线电极511。
简单地说明层压型二次电池的制造工序。首先,准备正极及负极。正极包括正极集流体,正极活性物质层形成在正极集流体的表面。正极具有正极集流体的一部分露出的区域(以下,称为极耳区域(tab region))。负极包括负极集流体,负极活性物质层形成在负极集流体的表面。负极具有负极集流体的一部分露出的区域,即极耳区域。
然后,层叠负极、固体电解质层及正极。在此,示出使用5组负极和4组正极的例子。接着,使正极的极耳区域彼此接合,并且使正极引线电极510与最表面的正极的极耳区域接合。例如可以利用超声波焊接等进行接合。与此同样,使负极的极耳区域彼此接合,并且使负极引线电极511与最表面的负极的极耳区域接合。
接着,在外包装体上配置负极、固体电解质层及正极。固体电解质层是包含能够传导锂离子的固体成分的材料层(陶瓷等)即可。例如,作为固体电解质层,使陶瓷粉末或者玻璃粉末浆料化并成型为片状。注意,陶瓷可以是诸如氧化物、碳化物、氮化物、硼化物等无机化合物的金属或非金属材料。玻璃是非晶,定义为具有玻璃转化现象的材料,但是有时将微晶化玻璃称为陶瓷玻璃。由于陶瓷玻璃具有结晶性,所以可以通过X射线衍射法分辨。作为固体电解质,例如可以使用氧化物固体电解质及硫化物固体电解质等。正极活性物质层和负极活性物质层包含固体电解质,也可以包含导电助剂。导电助剂的材料具有电子传导性即可,例如,可以使用碳材料或金属材料等。
作为可用作正极活性物质的氧化物固体电解质,例如可以使用Li3PO4、Li3BO3、Li4SiO4、Li4GeO4、LiNbO3、LiVO2、LiTiO3、LiZrO3等。另外,也可以使用这些化合物的复合化合物,例如可以举出Li3BO3-Li4SiO4等。另外,固体电解质的表面的至少一部分也可以由1nm以上且20nm以下的保护层覆盖。作为保护层的材料,使用Li离子传导性氧化物。
作为可用作负极活性物质的氧化物固体电解质,可以举出Nb2O5、Li4Ti5O12、SiO等。在本说明书等中,SiO例如是指一氧化硅。注意,SiO是指硅的组成比SiO2多的材料,也可以表示为SiOx。在此,x优选为1左右。例如,x优选为0.2以上且1.5以下,更优选为0.3以上且1.2以下。
作为可用作正极活性物质的硫化物固体电解质,可以举出包含Li及S的材料,具体而言,Li7P3S11、Li2S-SiS2、Li2S-P2S5等。
接着,使外包装体折叠。然后,使外包装体的外周部接合。作为外包装体,可以使用层叠金属箔与有机树脂薄膜的层压薄膜,例如,可以使用铝箔或不锈钢箔,例如可以通过热压合等进行接合。通过上述步骤,可以制造图18D所示的层压型二次电池500。在此,示出使用1个层压薄膜进行接合的例子,但是也可以层叠两个层压薄膜并粘合边缘部而进行密封。
图18A是固态电池的示意图,该固态电池在正极81与负极82之间包括固体电解质层83。固态电池分为薄膜型全固态电池和体型(bulk-type)全固态电池。薄膜型全固态电池是通过层叠薄膜而获得的全固态电池,体型全固态电池是通过层叠微粒子而获得的全固态电池。
图18B示出体型全固态电池的例子,在正极81附近设置有粒子状正极活性物质87,在负极82附近设置有粒子状负极活性物质88。以填充正极活性物质87与负极活性物质88之间的间隙的方式配置有固体电解质层83。通过进行加压,以正极81与负极82之间不发生空隙的方式填充多个种类的粒子。
图18C示出薄膜型全固态电池的例子。薄膜型全固态电池的构成要素通过气相法(真空蒸镀法、热喷涂法、脉冲激光沉积法、离子镀法、冷喷涂法、气浮沉积、溅射法)形成。图18C示出通过如下步骤制造锂离子蓄电池的例子:在衬底84上形成布线电极85、86之后,在布线电极85上形成正极81,在正极81上形成固体电解质层83,在固体电解质层83及布线电极86上形成负极82。作为衬底84,可以使用陶瓷衬底、玻璃衬底、塑料衬底、金属衬底等。
本实施方式可以与其他实施方式的记载适当地组合。
(实施方式6)
在本实施方式中,示出将本发明的一个实施方式的蓄电系统安装在车辆的例子。作为车辆,例如可以举出汽车、二轮车和自行车等。
当将蓄电系统安装在车辆时,可以实现混合动力汽车(HEV)、电动汽车(EV)或插电式混合动力汽车(PHEV)等新一代清洁能源汽车。
在图19A至图19C中,例示出使用本发明的一个实施方式的蓄电系统的车辆。图19A所示的汽车8400是作为行驶的动力源使用电动机的电动汽车。或者,汽车8400是作为行驶的动力源能够适当地使用电动机或引擎的混合动力汽车。通过使用本发明的一个实施方式的二次电池,可以实现行驶距离长的车辆。汽车8400具备蓄电系统。蓄电系统不但驱动电发动机8406,而且还可以将电力供应到车头灯8401或室内灯(未图示)等发光装置。
蓄电系统可以将电力供应到汽车8400所具有的速度表、转速计等显示装置。此外,蓄电系统可以将电力供应到汽车8400所具有的导航系统等。
图19B示出包括蓄电系统8024的汽车8500。可以通过利用插电方式或非接触供电方式等从外部的充电设备接收电力,来对汽车8500所具有的蓄电系统8024进行充电。图19B示出从地上设置型充电装置8021通过电缆8022对安装在汽车8500中的蓄电系统8024进行充电的情况。当进行充电时,作为充电方法或连接器的规格等,可以适当地使用CHAdeMO(注册商标)或联合充电系统“Combined Charging System”等的规定的方式。作为充电装置8021,也可以使用设置在商业设施的充电站或家庭的电源。例如,通过利用插电技术从外部供应电力,可以对安装在汽车8500中的蓄电系统8024进行充电。可以通过AC/DC转换器等转换装置将交流电力转换成直流电力来进行充电。
另外,虽然未图示,但是也可以将受电装置安装在车辆中并从地上的送电装置非接触地供应电力来进行充电。当利用非接触供电方式时,通过在公路或外壁中组装送电装置,不但在停车时而且在行驶时也可以进行充电。此外,也可以利用该非接触供电方式,在车辆之间进行电力的发送及接收。再者,还可以在车辆的外部设置太阳能电池,在停车时或行驶时进行蓄电系统的充电。可以利用电磁感应方式或磁场共振方式实现这样的非接触供电。
图19C是使用本发明的一个实施方式的蓄电系统的二轮车的例子。图19C所示的小型摩托车8600包括蓄电系统8602、后视镜8601及方向灯8603。蓄电系统8602可以对方向灯8603供电。
此外,在图19C所示的小型摩托车8600中,可以将蓄电系统8602收纳在座位下收纳部8604中。即使座位下收纳部8604空间小,也可以将蓄电系统8602收纳在座位下收纳部8604中。
图20A示出使用本发明的一个实施方式的蓄电系统的电动自行车的例子。图20A所示的电动自行车8700可以使用本发明的一个实施方式的蓄电系统。本发明的一个实施方式的蓄电系统例如包括多个蓄电池、保护电路及神经网络。
电动自行车8700包括电池组8702。电池组8702对辅助驾驶者的电动机供应电力。电池组8702是可携带的,图20B示出从自行车取出的电池组8702。电池组8702内置有多个本发明的一个实施方式的蓄电系统所包括的蓄电池8701,并可以由显示部8703显示剩余电量等。电池组8702优选安装有保护电路和神经网络等。
图20C示出使用本发明的一个实施方式的蓄电系统的电动二轮车8710。图20C所示的电动二轮车8710可以使用本发明的一个实施方式的蓄电系统。本发明的一个实施方式的蓄电系统例如包括多个蓄电池、保护电路及神经网络。
电动二轮车8710包括蓄电池8711、显示部8712及方向盘8713。蓄电池8711可以对作为动力源的电动机供应电力。显示部8712可以显示蓄电池8711的剩余电量、电动二轮车8710的速度或水平状态等。蓄电池8711优选安装有保护电路和神经网络等。
本实施方式可以与其他实施方式适当地组合。
(实施方式7)
在本实施方式中,对将上述实施方式所示的蓄电系统安装在电子设备中的例子进行说明。
图21A和图21B示出能够进行对折的平板终端的例子。图21A和图21B所示的平板终端9600包括外壳9630a、外壳9630b、连接外壳9630a和外壳9630b的可动部9640、显示部9631、显示模式切换开关9626、电源开关9627、省电模式切换开关9625、扣件9629以及操作开关9628。通过将柔性面板用于显示部9631,可以实现显示部更大的平板终端。图21A示出打开的平板终端9600,图21B示出合上的平板终端9600。
平板终端9600在外壳9630a及外壳9630b的内部具备蓄电单元9635。蓄电单元9635穿过可动部9640设置在外壳9630a及9630b。
显示部9631的一部分可以为触摸屏区域,并且可以当接触所显示的操作键时输入数据。通过使用手指或触屏笔等接触触摸屏的键盘显示/非显示切换按钮,可以在显示部9631上显示键盘按钮。
显示模式切换开关9626能够切换竖屏显示和横屏显示并切换黑白显示和彩色显示。根据通过平板终端9600所内置的光传感器所检测的使用平板终端9600时的外光的光量,省电模式切换开关9625可以控制显示亮度。在平板终端中,除了光传感器以外还可以内置有陀螺仪和加速度传感器等检测倾斜度的传感器等的其他检测装置。
在图21B中平板终端合上。平板终端包括外壳9630、太阳能电池9633、具备DCDC转换器9636的充放电控制电路9634。作为蓄电体9635可以使用本发明的一个实施方式的蓄电系统。
如上述实施方式所示,本发明的一个实施方式的蓄电系统优选包括蓄电池、保护电路、控制电路及神经网络。本发明的一个实施方式的蓄电系统所包括的控制电路、神经网络、保护电路等的集成电路例如也可以与控制显示部9631的电路(例如,驱动电路等)一起设置在IC芯片上。或者,也可以与充放电控制电路9634一起设置在IC芯片上。
平板终端9600能够进行对折,因此不使用时可以以重叠的方式折叠外壳9630a及9630b。由此,可以保护显示部9631,而可以提高平板终端9600的耐久性。
图21A和图21B所示的平板终端还可以具有如下功能:显示各种各样的信息(例如,静态图像、动态图像、文字图像);将日历、日期或时间等显示在显示部上;对显示在显示部上的信息进行触摸输入操作或编辑的触摸输入;通过各种各样的软件(程序)控制处理;等。
安装在平板终端的表面上的太阳能电池9633可以将电力供应到触摸屏、显示部及图像信号处理部等。注意,太阳能电池9633可以设置在外壳9630的一个表面或两个表面,并且可以高效地对蓄电单元9635进行充电。
参照图21C的方框图对图21B所示的充放电控制电路9634的结构和工作进行说明。图21C示出太阳能电池9633、蓄电单元9635、DCDC转换器9636、转换器9637、开关SW1至SW3以及显示部9631,蓄电单元9635、DCDC转换器9636、转换器9637、开关SW1至SW3对应于图21B的充放电控制电路9634。
首先,说明在利用外光使太阳能电池9633发电时的工作的例子。使用DCDC转换器9636对太阳能电池所产生的电力进行升压或降压以使它成为用来对蓄电单元9635进行充电的电压。当利用来自太阳能电池9633的电力使显示部9631工作时,使开关SW1导通,并且利用转换器9637将电力升压或降压到显示部9631所需要的电压。在不进行显示部9631中的显示时,使SW1断开且使SW2导通,来对蓄电单元9635进行充电。
注意,作为发电单元的一个例子示出太阳能电池9633,但是本发明的一个实施方式不局限于该例子。此外,也可以使用压电元件(piezoelectric element)或热电转换元件(珀耳帖元件(Peltier element))等其他发电单元进行蓄电单元9635的充电。例如,也可以使用以无线(非接触)的方式能够收发电力来对电池进行充电的非接触电力传输模块或组合其他充电方法进行充电。
图22A和图22B示出其他的蓄电系统及电子设备的例子。在图22A中,包括本发明的一个实施方式的蓄电系统8300及太阳能电池板8230的住宅的例子。住宅优选设置有地上设置型充电装置8240。蓄电系统8300优选包括保护电路、控制电路及神经网络。
蓄电系统8300、太阳能电池板8230及充电装置8240通过布线8231等彼此电连接。从太阳能电池板8230获得的电力可以充电至蓄电系统8300。储存在蓄电系统8300中的电力可以充电至汽车8250所包括的蓄电池8251。注意,汽车8250为电动汽车或者插头混合动力汽车。
储存在蓄电系统8300中的电力也可以供应到其他的电子设备。例如,如图22B所示,通过将蓄电系统8300连接于固定照明装置8100,来对照明装置8100供应电力。照明装置8100包括外壳8101、光源8102及控制电路8103等。照明装置8100可以接收来自商业电源的电力供应。或者,照明装置8100可以使用蓄积在蓄电系统8300中的电力。因此,即使当由于停电等不能接收来自商业电源的电力供应时,通过将本发明的一个实施方式的蓄电系统8300用作不间断电源,也可以使照明装置8100工作。
虽然在图22B中例示出设置在天花板8104的固定照明装置8100,但是本发明的一个实施方式的蓄电系统8300例如可以对设置在天花板以外的侧壁、地板或窗户等的固定照明装置供应电力。或者,蓄电系统8300可以对台式照明装置等供应电力。
作为光源8102,可以使用利用电力人工性地得到光的人工光源。具体地说,作为上述人工光源的例子,可以举出白炽灯泡、荧光灯等放电灯以及LED或有机EL元件等发光元件。
同样,蓄电系统8300可以对显示装置8000供应电力。显示装置8000包括外壳8001、显示部8002、扬声器部8003及控制电路8004等。显示装置8000可以从商用电源供应电力。或者,显示装置8000可以使用储存在蓄电系统8300中的电力。作为显示部8002,可以使用半导体显示装置诸如液晶显示装置、在每个像素中具备有机EL元件等发光元件的发光装置、电泳显示装置、数字微镜装置(Digital Micromirror Device:DMD)、等离子体显示面板(Plasma Display Panel:PDP)及场致发射显示器(Field Emission Display:FED)等。
注意,除了电视广播接收用的显示装置之外,显示装置在其范畴内还包括所有显示信息用显示装置,例如个人计算机用显示装置及广告显示用显示装置等。
同样,蓄电系统8300可以对包括室内机8200及室外机8204的空调供应电力。室内机8200包括外壳8201、送风口8202及控制电路8203等。空调可以从商用电源供应电力。或者,空调可以使用储存在蓄电系统8300中的电力。
注意,虽然在图22B中例示包括室内机和室外机的分体式空调器,但是也可以从本发明的一个实施方式的蓄电系统对在一个外壳中具有室内机的功能和室外机的功能的一体式空调器供应电力。
另外,蓄电系统8300优选包括充电装置8301。当包括充电装置8301时,可以使用蓄电系统8300对各种电子设备进行充电。充电装置8301可以通过有线或无线方式进行充电(无线充电也称为非接触充电或无线电力供电)。当蓄电系统8300包括无线充电用充电装置时,可以对安装有无线充电系统的智能手机8302等进行充电。
图23A至图23F示出将本发明的一个实施方式的蓄电系统安装在电子设备中的例子。作为应用本发明的一个实施方式的蓄电池的电子设备,例如可以举出电视装置(也称为电视或电视接收机)、用于计算机等的显示器、数码相机、数码摄像机、数码相框、移动电话机(也称为移动电话、移动电话装置)、便携式游戏机、便携式信息终端、声音再现装置、弹珠机等大型游戏机等。
图23A示出移动电话机的例子。移动电话机7400除了组装在外壳7401中的显示部7402之外还具备操作按钮7403、外部连接端口7404、扬声器7405、麦克风7406等。注意,移动电话机7400具有本发明的一个实施方式的蓄电系统。本发明的一个实施方式的蓄电系统例如包括蓄电池7407、保护电路、控制电路及神经网络。
图23B示出被弯曲的移动电话机7400。在利用外部的力量使移动电话机7400的整体弯曲时,设置在其内部的蓄电池7407有时也会被弯曲。在此情况下,作为蓄电池7407,优选使用柔性蓄电池。图23C示出被弯曲的柔性电池。
此外,也可以将柔性蓄电池沿着房屋及高楼的内壁或外壁、汽车的内部装修或外部装修的曲面组装。
图23D示出手镯型显示装置的例子。便携式显示装置7100具备外壳7101、显示部7102、操作按钮7103及本发明的一个实施方式的蓄电系统。本发明的一个实施方式的蓄电系统例如包括蓄电池7104、保护电路、控制电路及神经网络。
图23E是手表型便携式信息终端的例子。便携式信息终端7200包括外壳7201、显示部7202、带子7203、带扣7204、操作按钮7205、输入输出端子7206等。
便携式信息终端7200可以执行移动电话、电子邮件、文章的阅读及编写、音乐播放、网络通信、电脑游戏等各种应用程序。
显示部7202的显示面是弯曲的,能够沿着弯曲的显示面进行显示。另外,显示部7202具备触摸传感器,可以用手指或触屏笔等触摸屏幕来进行操作。例如,通过触摸显示于显示部7202的图标7207,可以启动应用程序。
使用操作按钮7205除了时间设定之外还可以进行电源开关、无线通信的开关、静音模式的设置及取消、省电模式的设置及取消等。例如,通过利用组装在便携式信息终端7200中的操作系统,可以自由地设定操作按钮7205的功能。
便携式信息终端7200可以执行被通信标准化的近距离无线通信。此时,例如,通过便携式信息终端7200与可无线通信的耳麦通信,可以进行免提通话。
另外,便携式信息终端7200具备输入输出端子7206,可以通过连接器直接向其他信息终端发送数据或从其他信息终端接收数据。另外,也可以通过输入输出端子7206进行充电。注意,充电工作也可以利用无线供电进行,而不利用输入输出端子7206。
便携式信息终端7200包括本发明的一个实施方式的蓄电系统。
便携式信息终端7200优选包括传感器。作为传感器例如优选安装指纹传感器、脉搏传感器、体温传感器等人体传感器、触摸传感器、压力传感器、加速度传感器等。
图23F为包括多个旋翼7302的无人航空载具7300。无人航空载具7300包括本发明的一个实施方式的蓄电池系统7301、相机7303及天线(未图示)。无人航空载具7300可以通过天线远程操作。
本实施方式可以与其他实施方式的记载适当地组合。
(实施方式8)
在本实施方式中,参照图24和图25对上述实施方式中记载的半导体装置的一个实施方式进行说明。
<半导体装置100的截面结构>
图24为示出半导体装置100的例子的截面图。半导体装置100包括晶体管300、晶体管200及电容器140。晶体管200设置在晶体管300的上方,电容器140设置在晶体管300及晶体管200的上方。
晶体管200为沟道形成区中包含氧化物半导体的OS晶体管。
晶体管300设置在衬底311上,并包括:导电体316、绝缘体315、衬底311的一部分的半导体区域313;以及被用作源区域及漏区域的低电阻区域314a及314b。
晶体管300可以为p沟道型晶体管或n沟道型晶体管。
半导体区域313的形成沟道的区域、其附近的区域、被用作源区域及漏区域的低电阻区域314a及314b等优选包含硅类半导体等半导体,更优选包含单晶硅。另外,也可以包含包括锗(Ge)、硅锗(SiGe)、砷化镓(GaAs)、镓铝砷(GaAlAs)等的材料。可以包含对晶格施加应力改变晶面间距而控制有效质量的硅。
低电阻区域314a及314b除了包含用于半导体区域313的半导体材料之外,还包含砷、磷等赋予n型导电性的元素或硼等赋予p型导电性的元素。
被用作栅电极的导电体316可以使用包含砷、磷等赋予n型导电性的元素或硼等赋予p型导电性的元素的硅等半导体材料、金属材料、合金材料或金属氧化物材料等导电材料形成。
在图24所示的晶体管300中,形成沟道的半导体区域313(衬底311的一部分)具有凸部。另外,以隔着绝缘体315覆盖半导体区域313的侧面及顶面的方式设置导电体316。注意,导电体316可以使用调整功函数的材料形成。因为利用半导体衬底的凸部,所以具有这种结构的晶体管300也被称为FIN型晶体管。另外,也可以以与凸部的顶面接触的方式设置用作用来形成凸部的掩模的绝缘体。虽然在此示出对半导体衬底的一部分进行加工来形成凸部的情况,但是也可以对SOI衬底进行加工来形成具有凸形状的半导体膜。
注意,图24所示的晶体管300的结构只是一个例子,不局限于上述结构,根据电路结构或驱动方法可以使用适当的晶体管。
以覆盖晶体管300的方式依次层叠有绝缘体320、绝缘体322、绝缘体324及绝缘体326。
绝缘体320、绝缘体322、绝缘体324及绝缘体326例如可以使用氧化硅、氧氮化硅、氮氧化硅、氮化硅、氧化铝、氧氮化铝、氮氧化铝或氮化铝等形成。
注意,在本说明书中,“氧氮化硅”是指氧含量多于氮含量的材料,“氮氧化硅”是指氮含量多于氧含量的材料。此外,在本说明书中,“氧氮化铝”是指氧含量多于氮含量的材料,“氮氧化铝”是指氮含量多于氧含量的材料。
绝缘体322也可以被用作去除因设置在绝缘体322下方的晶体管300等而产生的台阶的平坦化膜。例如,为了提高绝缘体322的顶面的平坦性,其顶面也可以通过利用化学机械抛光(CMP)法等的平坦化处理被平坦化。
绝缘体324优选使用能够防止氢或杂质从衬底311或晶体管300等扩散到形成有晶体管200的区域中的具有阻挡性的膜。
注意,绝缘体326的相对介电常数优选比绝缘体324低。例如,绝缘体326的相对介电常数优选低于4,更优选低于3。例如,绝缘体326的相对介电常数优选为绝缘体324的相对介电常数的0.7倍以下,更优选为0.6倍以下。当将相对介电常数低的材料用于层间膜时,可以减少布线之间的寄生电容。
在绝缘体320、绝缘体322、绝缘体324及绝缘体326中设置有导电体328、导电体330等。注意,导电体328及导电体330被用作插头或布线。注意,有时由同一附图标记表示被用作插头或布线的多个导电体。此外,在本说明书等中,布线、与布线电连接的插头也可以是一个构成要素。也就是说,导电体的一部分有时被用作布线,并且导电体的一部分有时被用作插头。
作为各插头及布线(例如,导电体328及导电体330)的材料,可以使用金属材料、合金材料、金属氮化物材料或金属氧化物材料等导电材料的单层结构或叠层结构。优选使用兼具耐热性和导电性的钨或钼等高熔点材料,尤其优选使用钨。或者,优选使用铝或铜等低电阻导电材料。通过使用低电阻导电材料可以降低布线电阻。
另外,也可以在绝缘体326及导电体330上形成布线层。例如,在图24中,依次层叠有绝缘体350、绝缘体352、绝缘体354、绝缘体360、绝缘体362、绝缘体364、绝缘体370、绝缘体372、绝缘体374、绝缘体380、绝缘体382及绝缘体384。另外,在这些绝缘体中形成有导电体356、导电体366、导电体376及导电体386。这些导电体被用作插头或布线。注意,这些导电体可以使用与导电体328及导电体330同样的材料形成。
注意,与绝缘体324同样,绝缘体350、绝缘体360、绝缘体370及绝缘体380优选使用对氢具有阻挡性的绝缘体。此外,导电体356、导电体366、导电体376及导电体386优选包含对氢具有阻挡性的导电体。例如,在注目于绝缘体350和导电体356的情况下,由于绝缘体350所包括的开口中形成有导电体356,所以可以抑制氢从晶体管300扩散到晶体管200。这同样适用于其他的绝缘体和导电体。
注意,作为对氢具有阻挡性的导电体,例如可以使用氮化钽等。通过层叠氮化钽和导电性高的钨,可以在保持作为布线的导电性的状态下抑制氢从晶体管300扩散。
绝缘体384上依次层叠有绝缘体214及绝缘体216。作为绝缘体214和绝缘体216中的任何一个,优选使用对氧或氢具有阻挡性的物质。
绝缘体214例如优选使用能够防止氢及杂质从设置有衬底311或晶体管300的区域等扩散到设置有晶体管200的区域中的具有阻挡性的膜形成。因此,绝缘体214可以使用与绝缘体324同样的材料形成。
例如,作为对氢具有阻挡性的膜,绝缘体214优选使用氧化铝、氧化铪、氧化钽等金属氧化物。
例如,绝缘体216可以使用与绝缘体320同样的材料形成。当将相对介电常数低的材料用于层间膜时,可以减少布线之间的寄生电容。例如,作为绝缘体216,可以使用氧化硅膜和氧氮化硅膜等。
在绝缘体214及绝缘体216中设置有导电体218及包括在晶体管200中的导电体(例如,被用作背栅极的电极)等。导电体218可以使用与用于导电体328及导电体330同样的材料形成。
导电体218优选为对氧、氢及水具有阻挡性的导电体。通过采用该结构,可以利用对氧、氢及水具有阻挡性的层将晶体管300与晶体管200完全分离。其结果是,可以抑制氢从晶体管300扩散到晶体管200中。
在绝缘体216的上方设置有晶体管200。注意,作为晶体管200可以使用OS晶体管。关于晶体管200的详细内容将在实施方式9中进行说明。
在晶体管200的上方设置绝缘体280。在绝缘体280中,优选形成有过剩氧区域。尤其是,在将氧化物半导体用于晶体管200时,通过作为晶体管200附近的层间膜等形成具有过剩氧区域的绝缘体,可以减少晶体管200所包括的氧化物230中的氧缺陷,而可以提高晶体管200的可靠性。覆盖晶体管200的绝缘体280也可以被用作覆盖其下方的凹凸形状的平坦化膜。注意,以与在晶体管200的上方形成的绝缘体225接触的方式设置绝缘体280。
具体而言,作为具有过剩氧区域的绝缘体,优选使用通过加热使一部分的氧脱离的氧化物材料。通过加热使氧脱离的氧化物是指在TDS分析中换算为氧原子的氧的脱离量为1.0×1018atoms/cm3以上,优选为3.0×1020atoms/cm3以上的氧化物膜。注意,进行上述TDS分析时的膜的表面温度优选为100℃以上且700℃以下或者100℃以上且500℃以下。
例如,作为这种材料,优选使用包含氧化硅或氧氮化硅的材料。另外,也可以使用金属氧化物。
在绝缘体280上也可以设置有绝缘体282。绝缘体282优选使用对氧或氢具有阻挡性的物质。因此,绝缘体282可以使用与绝缘体214同样的材料形成。例如,作为绝缘体282优选使用氧化铝、氧化铪、氧化钽等金属氧化物。例如,当通过溅射法使用含氧的等离子体形成绝缘体282时,可以对被用作该绝缘体的基底层的绝缘体280添加氧。
在绝缘体282上设置有绝缘体286。绝缘体286可以使用与绝缘体320同样的材料形成。当将相对介电常数低的材料用于层间膜时,可以减少布线之间的寄生电容。例如,作为绝缘体286,可以使用氧化硅膜及氧氮化硅膜等。
在绝缘体220、绝缘体222、绝缘体224、绝缘体225、绝缘体280、绝缘体282及绝缘体286中设置有导电体246及导电体248等。
导电体246及导电体248可以使用与用于导电体328及导电体330同样的材料形成。
在晶体管200的上方设置有电容器140。电容器140包括导电体110、导电体120及绝缘体105。
此外,也可以在导电体246及导电体248上设置导电体112。此外,可以同时形成导电体112及导电体110。
导电体112及导电体110可以使用包含选自钼、钛、钽、钨、铝、铜、铬、钕、钪中的元素的金属膜或者包含上述元素作为成分的金属氮化物膜(氮化钽膜、氮化钛膜、氮化钼膜、氮化钨膜)等形成。或者,可以使用铟锡氧化物、包含氧化钨的铟氧化物、包含氧化钨的铟锌氧化物、包含氧化钛的铟氧化物、包含氧化钛的铟锡氧化物、铟锌氧化物、添加有氧化硅的铟锡氧化物等导电材料。
在图24中,导电体112及导电体110具有单层结构,但是本发明的一个实施方式不局限于此,也可以使用两层以上的叠层结构。例如,也可以在具有阻挡性的导电体与导电性高的导电体之间形成与具有阻挡性的导电体以及导电性高的导电体紧密性高的导电体。
作为电容器140的介电质,在导电体112及导电体110上设置绝缘体105。绝缘体105例如可以具有使用氧化硅、氧氮化硅、氮氧化硅、氮化硅、氧化铝、氧氮化铝、氮氧化铝、氮化铝、氧化铪、氧氮化铪、氮氧化铪、氮化铪等的叠层结构或单层结构。
例如,作为绝缘体105可以使用氧氮化硅等绝缘强度高的材料。在具有该结构的电容器140中,由于包括绝缘体105,所以可以提高绝缘强度,可以抑制电容器140的静电破坏。
在绝缘体105上以与导电体110重叠的方式设置导电体120。注意,导电体120可以使用金属材料、合金材料、金属氧化物材料等导电材料形成。优选使用具有耐热性和导电性的双方的钨或钼等高熔点材料,尤其优选使用钨。当导电体120与导电体等其他构成要素同时形成时,可以使用低电阻金属材料的Cu(铜)或Al(铝)等。
在导电体120及绝缘体105上设置有绝缘体150。绝缘体150可以使用与绝缘体320同样的材料形成。绝缘体150可以被用作覆盖其下方的凹凸形状的平坦化膜。
绝缘体150中设置有导电体156。注意,导电体156可以使用与用于导电体328及导电体330同样的材料形成。
导电体156上设置有导电体166。另外,导电体166及绝缘体150上设置有绝缘体160。绝缘体160也可以被用作覆盖其下的凹凸形状的平坦化膜。
以上是对结构实例的说明。通过采用本结构,在使用OS晶体管的半导体装置中,可以在抑制电特性变动的同时提高可靠性。另外,可以降低使用OS晶体管的半导体装置的功耗。此外,可以实现使用OS晶体管的半导体装置的微型化或高集成化。此外,可以高生产率地提供微型化或高集成化的半导体装置。
<半导体装置100的变形例子>
图25示出本实施方式的变形例子。
图25是将图24的晶体管200替换成晶体管201时的截面示意图。与晶体管200同样,晶体管201是OS晶体管。注意,关于晶体管201的详细内容将在实施方式9中进行说明。
关于图25的其他的构成要素的详细内容,可以参照图24的记载。
注意,本实施方式可以与本说明书所示的其他实施方式适当地组合。
(实施方式9)
在本实施方式中,参照图26A至图26C以及图27A至图27C说明实施方式8中示出的晶体管200及晶体管201的详细内容。
<晶体管200>
首先,详细地说明图24A至图24C所示的晶体管200。
图26A是包括晶体管200的半导体装置的俯视图。图26B是沿着图26A中的点划线A1-A2的截面图,该截面图相当于晶体管200的沟道长度方向上的截面图。图26C是沿着图26A中的点划线A3-A4的截面图,该截面图相当于晶体管200的沟道宽度方向上的截面图。为了明确起见,在图26A所示的俯视图中未图示一部分的构成要素。
如图26A至图26C所示,晶体管200包括:衬底(未图示)上的绝缘体224;绝缘体224上的金属氧化物406a;与金属氧化物406a的顶面的至少一部分接触的金属氧化物406b;金属氧化物406b上的绝缘体412;绝缘体412上的导电体404a;导电体404a上的导电体404b;导电体404b上的绝缘体419;与绝缘体412、导电体404a、导电体404b及绝缘体419的各侧面接触的绝缘体418;与金属氧化物406b的顶面接触且与绝缘体418的侧面接触的绝缘体225。在此,如图26B所示,绝缘体418的顶面优选与绝缘体419的顶面大致对齐。此外,绝缘体225优选覆盖绝缘体419、导电体404、绝缘体418及金属氧化物406。
在以下说明中,有时将金属氧化物406a及金属氧化物406b总称为金属氧化物406。虽然在晶体管200中层叠金属氧化物406a和金属氧化物406b,但是本发明不局限于该结构。例如,可以只设置有金属氧化物406b。另外,有时将导电体404a及导电体404b总称为导电体404。虽然在晶体管200中层叠导电体404a和导电体404b,但是本发明不局限于该结构。例如,可以只设置导电体404b。
导电体440包括导电体440a及导电体440b。导电体440a与绝缘体384的开口的内壁接触,并在导电体440a的内侧形成有导电体440b。在此,可以使导电体440a及导电体440b的顶面的高度与绝缘体384的顶面的高度大致相同。虽然在晶体管200中层叠导电体440a及导电体440b,但是本发明不局限于该结构。例如,也可以只设置导电体440b。
导电体310包括导电体310a及导电体310b。导电体310a与绝缘体214及绝缘体216的开口的内壁接触,并在导电体310a的内侧形成有导电体310b。因此,导电体310a优选与导电体440b接触。在此,可以使导电体310a及导电体310b的顶面的高度与绝缘体216的顶面的高度大致相同。虽然在晶体管200中层叠导电体310a和导电体310b,但是本发明不局限于该结构。例如,可以只设置导电体310b。
导电体404可被用作顶栅极,导电体310可被用作背栅极。背栅极的电位可以与顶栅极相等,也可以为接地电位或任意电位。通过不跟顶栅极联动而独立地改变背栅极的电位,可以改变晶体管的阈值电压。
导电体440与导电体404同样地在沟道宽度方向上延伸,并被用作对导电体310(即,背栅极)施加电位的布线。通过在被用作背栅极的布线的导电体440上层叠埋入绝缘体214及绝缘体216的导电体310,可以将绝缘体214及绝缘体216等设置在导电体440与导电体404之间,由此可以降低导电体440与导电体404之间的寄生电容,而可以提高绝缘耐压。通过降低导电体440与导电体404之间的寄生电容,可以提高晶体管的开关速度,而可以实现具有高频率特性的晶体管。通过提高导电体440与导电体404之间的绝缘耐压,可以提高晶体管200的可靠性。因此,绝缘体214及绝缘体216的膜厚度优选大。注意,导电体440的延伸方向不局限于此,例如也可以在晶体管200的沟道长度方向上延伸。
在此,作为导电体310a及导电体440a优选使用具有抑制水或氢等杂质透过的功能或不容易使这些杂质透过的导电材料。例如可以使用钽、氮化钽、钌或氧化钌等的单层或叠层。由此,可以抑制水或氢等杂质从下层经过导电体440及导电体310扩散到上层。注意,导电体310a及导电体440a优选具有抑制氢原子、氢分子、水分子、氧原子、氧分子、氮原子、氮分子、氧氮化分子(N2O、NO及NO2等)、铜原子等杂质、氧(例如氧原子及氧分子等)中的至少一个透过的功能。另外,上述内容同样也适用于以下具有抑制杂质透过的功能的导电材料的记载。通过使导电体310a及导电体440a具有抑制氧的透过的功能,可以防止因导电体310b及导电体440b氧化而导致导电率的下降。
导电体310b优选使用以钨、铜或铝为主要成分的导电材料形成。由于导电体440b被用作布线,所以优选使用其导电性比导电体310b高的导电体,例如,可以使用以铜或铝为主要成分的导电材料。虽然未图示,但是导电体310b及导电体440b也可以为叠层结构,例如可以为钛、氮化钛与上述导电材料的叠层。
绝缘体214可以被用作防止水或氢等杂质从下层混入晶体管的阻挡绝缘膜。注意,绝缘体214优选具有抑制氢原子、氢分子、水分子、氮原子、氮分子、氧氮化分子(N2O、NO及NO2等)、铜原子等杂质中的至少一个透过的功能。此外,作为绝缘体214,优选使用具有抑制氧(例如,氧原子或氧分子等)透过的功能的绝缘材料。由此,可以抑制绝缘体224等所包含的氧扩散到下方。
此外,通过采用在导电体440上层叠导电体310的结构,可以在导电体440与导电体310之间设置绝缘体214。在此,即使作为导电体440b使用铜等容易扩散的金属,通过作为绝缘体214设置氮化硅等也可以防止该金属扩散到绝缘体214上方的层。
绝缘体222优选使用具有抑制水或氢等杂质以及氧透过的功能的绝缘材料形成。由此,可以抑制氢、水等杂质从绝缘体222之下的层扩散到绝缘体222之上的层。再者,也可以抑制绝缘体224等所包含的氧扩散到下方的层。
此外,优选减少绝缘体224中的水、氢或氮氧化物等杂质的浓度。例如,在热脱附谱分析法(Thermal Desorption Spectroscopy:TDS)中的膜表面温度为50℃至500℃的范围内,换算为每绝缘体224面积的氢分子的绝缘体224的氢脱离量为2×1015molecules/cm2以下,优选为1×1015molecules/cm2以下,更优选为5×1014molecules/cm2以下,即可。另外,绝缘体224优选使用通过加热而使氧释放的绝缘体形成。
绝缘体412可以被用作第一栅极绝缘膜,绝缘体220、绝缘体222以及绝缘体224可被用作第二栅极绝缘膜。在晶体管200中层叠有绝缘体220、绝缘体222以及绝缘体224,但是本发明不局限于该结构。例如,可以采用绝缘体220、绝缘体222和绝缘体224中的任两个层或任一个层的结构。
金属氧化物406优选使用被用作氧化物半导体的金属氧化物形成。优选使用其能隙为2eV以上,优选为2.5eV以上的金属氧化物。通过使用能隙较宽的金属氧化物,可以降低晶体管的关态电流。
由于使用金属氧化物形成的晶体管在非导通状态下的泄漏电流非常小,所以可以提供功耗低的半导体装置。由于金属氧化物可以利用溅射法等形成,所以可以用于包括在高集成型半导体装置中的晶体管。
金属氧化物406优选至少包含铟或锌。尤其优选包含铟及锌。另外,优选还包含铝、镓、钇或锡等。或者,也可以包含硼、硅、钛、铁、镍、锗、锆、钼、镧、铈、钕、铪、钽、钨或镁等中的一种或多种。
在此,考虑金属氧化物406为包含铟、元素M及锌的In-M-Zn氧化物的情况。元素M为铝、镓、钇或锡等。作为可用作元素M的其他元素,有硼、硅、钛、铁、镍、锗、锆、钼、镧、铈、钕、铪、钽、钨、镁等。注意,作为元素M也可以使用上述元素中的两种以上的组合。
注意,在本说明书等中,有时将包含氮的金属氧化物也称为金属氧化物(metaloxide)。此外,也可以将包含氮的金属氧化物称为金属氧氮化物(metal oxynitride)。
在此,用于金属氧化物406a的金属氧化物的构成元素中的元素M的原子个数比优选大于用于金属氧化物406b的金属氧化物的构成元素中的元素M的原子个数比。另外,用于金属氧化物406a的金属氧化物中的相对于In的元素M的原子个数比优选大于用于金属氧化物406b的金属氧化物中的相对于In的元素M的原子个数比。此外,用于金属氧化物406b的金属氧化物中的相对于元素M的In原子个数比优选大于用于金属氧化物406a的金属氧化物中的相对于元素M的In的原子个数比。
优选的是,通过将上述金属氧化物用于金属氧化物406a,使金属氧化物406a的导带底的能量高于金属氧化物406b的导带底的能量低的区域的导带底的能量。换言之,金属氧化物406a的电子亲和势优选小于金属氧化物406b的导带底的能量低的区域的电子亲和势。
在此,在金属氧化物406a及金属氧化物406b中,导带底的能级平缓地变化。换言之,也可以将上述情况表达为导带底的能级连续地变化或者连续地接合。为了实现这种能带图,优选降低形成在金属氧化物406a与金属氧化物406b的界面的混合层的缺陷态密度。
具体而言,通过使金属氧化物406a和金属氧化物406b包含氧之外的共同元素(为主要成分),可以形成缺陷态密度低的混合层。例如,在金属氧化物406b为In-Ga-Zn氧化物的情况下,作为金属氧化物406a优选使用In-Ga-Zn氧化物、Ga-Zn氧化物及氧化镓等。
此时,载流子的主要路径成为形成在金属氧化物406b中的窄隙部分。因为可以降低金属氧化物406a与金属氧化物406b的界面的缺陷态密度,所以界面散射给载流子传导带来的影响小,从而可以得到大通态电流(on-state current)。
另外,金属氧化物406包括区域426a、区域426b及区域426c。如图26B所示,区域426a夹在区域426b和区域426c之间。区域426b及区域426c是其电阻通过绝缘体225的形成而降低的区域,其导电性比区域426a高。对区域426b及区域426c添加形成绝缘体225时的气氛所包含的氢或氮等杂质元素。由此,通过以金属氧化物406b中的与绝缘体225重叠的区域为中心由被添加的杂质元素形成氧缺陷,并且使该杂质元素进入氧缺陷,可以使载流子密度增高并且使电阻降低。
因此,区域426b及区域426c中的氢和氮中的至少一个的浓度优选比区域426a高。测量氢或氮的浓度可以利用二次离子质谱分析法(SIMS:Secondary Ion MassSpectrometry)。在此,作为区域426a的氢或氮的浓度,测量金属氧化物406b的与绝缘体412重叠的区域的中央附近(例如,金属氧化物406b的距离绝缘体412的沟道长度方向的两侧面的距离大致相等的部分)的氢或氮的浓度即可。
通过对区域426b及区域426c添加形成氧缺陷的元素或者与氧缺陷键合的元素,可以实现低电阻化。作为上述元素的典型例子,可以举出氢、硼、碳、氮、氟、磷、硫、氯、钛、稀有气体等。作为稀有气体元素的典型例子,有氦、氖、氩、氪以及氙等。因此,使区域426b及区域426c包含上述元素中的一种或多种。
此外,在金属氧化物406a中,区域426b及区域426c的相对于元素M的In的原子个数比优选与金属氧化物406b的相对于元素M的In的原子个数比大致相同。换言之,在金属氧化物406a中,区域426b及区域426c的相对于元素M的In的原子个数比优选大于区域426a的相对于元素M的In的原子个数比。在此,在金属氧化物406中,通过提高铟含量,可以提高载流子密度,而实现低电阻化。通过采用这种结构,即使在晶体管200的制造工序中金属氧化物406b的厚度变薄,而金属氧化物406b的电阻变大,也在区域426b及区域426c中金属氧化物406a的电阻充分低,由此可以将金属氧化物406的区域426b及区域426c用作源区域及漏区域。
图27A示出图26B所示的区域426a附近的放大图。如图27A所示,区域426b及区域426c形成在金属氧化物406中的至少与绝缘体225重叠的区域。在此,金属氧化物406b的区域426b和区域426c中的一个被用作源区域,另一个被用作漏区域。另外,金属氧化物406b的区域426a被用作沟道形成区。
在图26B及图27A中,区域426a、区域426b以及区域426c形成在金属氧化物406b及金属氧化物406a中,但是上述区域可以至少在金属氧化物406b中形成。另外,在图26B等中示出区域426a与区域426b的边界以及区域426a与区域426c的边界大致垂直于金属氧化物406的顶面,但是本实施方式不局限于该结构。例如,区域426b及区域426c在金属氧化物406b的表面附近有时突出到导电体404一侧,并在金属氧化物406a的底面附近有时缩向绝缘体225一侧。
在晶体管200中,如图27A所示,区域426b及区域426c形成在金属氧化物406中的与绝缘体225接触的区域以及与绝缘体418和绝缘体412的两端附近重叠的区域。此时,区域426b及区域426c中的与导电体404重叠的部分被用作所谓的重叠区域(也称为Lov区域)。通过具有Lov区域,金属氧化物406的沟道形成区与源区域及漏区域之间不会形成高电阻区域,因此可以提高晶体管的通态电流及迁移率。
注意,本实施方式所示的半导体装置不局限于此。例如,如图27B所示,区域426b及区域426c也可以形成在金属氧化物406的与绝缘体225及绝缘体418重叠的区域。图27B所示的结构是导电体404的沟道长度方向上的宽度与区域426a的宽度大致一致的结构。在图27B所示的结构中,高电阻区域不形成在源区域与漏区域之间,由此可以提高晶体管的通态电流。在图27B所示的结构中,在沟道长度方向上源区域及漏区域不与栅极重叠,由此可以抑制不需要的电容的形成。
如此,通过适当地选择区域426b及区域426c的范围,可以根据电路设计,容易地提供具有期望的电特性的晶体管。
绝缘体412优选以与金属氧化物406b的顶面接触的方式配置。绝缘体412优选使用通过加热而使氧释放的绝缘体形成。通过以与金属氧化物406b的顶面接触的方式形成上述绝缘体412,可以有效地将氧供应到金属氧化物406b。此外,与绝缘体224同样,优选减少绝缘体412中的水或氢等杂质的浓度。绝缘体412的厚度优选为1nm以上且20nm以下(例如可以为1nm左右)。
绝缘体412优选包含氧。例如,利用热脱附谱分析法(TDS),在100℃以上且700℃以下或者100℃以上且500℃以下的表面温度范围内,换算为绝缘体412的单位面积的氧分子的脱离量为1×1014molecules/cm2以上,优选为2×1014molecules/cm2以上,更优选为4×1014molecules/cm2以上,即可。
绝缘体412、导电体404及绝缘体419都包括与金属氧化物406b重叠的区域。另外,优选的是,绝缘体412、导电体404a、导电体404b及绝缘体419的侧面大致对齐。
导电体404a优选使用导电性氧化物形成。例如,可以使用能够被用作金属氧化物406a或金属氧化物406b的金属氧化物。尤其优选使用金属的原子个数比满足[In]:[Ga]:[Zn]=4:2:3至4:2:4.1或其附近值的导电性高的In-Ga-Zn类氧化物。通过设置上述导电体404a,可以抑制氧向导电体404b进入并防止因氧化导致的导电体404b的电阻值的增加。
通过利用溅射法形成上述导电性氧化物,可以对绝缘体412添加氧,可以将氧供应到金属氧化物406b。由此,可以减少金属氧化物406的区域426a中的氧缺陷。
导电体404b例如可以使用钨等金属形成。作为导电体404b也可以使用能够将氮等杂质供应到导电体404a而提高导电体404a的导电性的导电体。作为导电体404b,例如优选使用氮化钛等。另外,导电体404b可以为包括氮化钛等金属氮化物及在其上的钨等金属的叠层。
在此,被用作栅电极的导电体404以隔着绝缘体412覆盖金属氧化物406b的区域426a附近的顶面及沟道宽度方向的侧面的方式设置。因此,可以由被用作栅电极的导电体404的电场电围绕金属氧化物406b的区域426a附近的顶面及沟道宽度方向的侧面。将由导电体404的电场电围绕沟道形成区的晶体管的结构称为surrounded channel
(s-channel)结构。因此,由于可在金属氧化物406b的区域426a附近的顶面及沟道宽度方向的侧面上形成沟道,所以能够在源极与漏极之间流过大电流,增大导通时的电流(通态电流)。另外,因为金属氧化物406b的区域426a附近的顶面及沟道宽度方向的侧面由导电体404的电场围绕,所以可以减少非导通时的泄漏电流(关态电流)。
优选在导电体404b上配置绝缘体419。此外,优选的是,绝缘体419、导电体404a、导电体404b及绝缘体412的侧面大致对齐。优选的是,利用原子层沉积(ALD:Atomic LayerDeposition)法形成绝缘体419。由此,可以以1nm以上且20nm以下左右,优选为5nm以上且10nm以下左右的厚度形成绝缘体419。在此,与绝缘体418同样,绝缘体419优选使用具有可以抑制水或氢等杂质以及氧透过的功能的绝缘材料形成,例如优选使用氧化铝或氧化铪等形成。
通过设置上述绝缘体419,可以由具有抑制水或氢等杂质及氧透过的功能的绝缘体419及绝缘体418覆盖导电体404的顶面及侧面。由此,可以防止水或氢等杂质经过导电体404混入金属氧化物406中。如此,绝缘体418及绝缘体419被用作保护栅极的栅极盖。
绝缘体418以与绝缘体412、导电体404及绝缘体419的侧面接触的方式设置。此外,绝缘体418的顶面优选与绝缘体419的顶面对齐。绝缘体418优选利用ALD法沉积,由此可以形成其厚度为1nm以上且20nm以下左右,优选为1nm以上且3nm以下左右,例如为1nm。
如上所述,金属氧化物406中的区域426b及区域426c由在形成绝缘体225时添加的杂质元素形成。当使晶体管微型化而使其沟道长度为10nm至30nm左右时,有源区域或漏区域所包含的杂质元素扩散而使源区域和漏区域电导通的担忧。另一方面,如本实施方式所示,绝缘体418可以增加金属氧化物406的与绝缘体225接触的区域之间的距离,所以可以防止源区域与漏区域电导通。再者,通过利用ALD法,可以使绝缘体418的厚度与微型化沟道长度相同或更薄。这样可以防止源区域和漏区域之间的距离过大而可以增大电阻。
在此,绝缘体418及绝缘体419优选使用具有抑制水或氢等杂质及氧透过的功能的绝缘材料。由此,可以防止绝缘体412中的氧扩散到外部。另外,可以抑制氢、水等杂质从绝缘体412的端部等侵入到金属氧化物406。
绝缘体418优选通过如下方法形成:在利用ALD法沉积绝缘膜后进行各向异性蚀刻,以使该绝缘膜中的与绝缘体412、导电体404及绝缘体419的侧面接触的部分留下。由此,可以容易形成上述厚度薄的绝缘体。此时,通过在导电体404上设置绝缘体419,即使因该各向异性蚀刻该绝缘体419的一部分被去除,也可以充分留下绝缘体418的与绝缘体412及导电体404接触的部分。
以覆盖绝缘体419、绝缘体418、金属氧化物406及绝缘体224的方式设置绝缘体225。在此,以与绝缘体419及绝缘体418的顶面以及绝缘体418的侧面接触的方式设置绝缘体225。如上所述,因为从绝缘体225对金属氧化物406添加氢或氮等杂质来形成区域426b及区域426c。因此,绝缘体225优选包含氢和氮中的至少一种。
另外,绝缘体225优选以与金属氧化物406b的顶面以及金属氧化物406b的侧面及金属氧化物406a的侧面接触的方式设置。由此,在区域426b及区域426c中,可以降低金属氧化物406b的侧面及金属氧化物406a的侧面的电阻。
另外,作为绝缘体225,优选使用具有抑制水或氢等杂质或者氧透过的功能的绝缘材料。例如,作为绝缘体225,优选使用氮化硅、氮氧化硅、氧氮化硅、氮化铝、氮氧化铝等。
优选在绝缘体225上设置有绝缘体280。与绝缘体224等同样,优选减少绝缘体280中的水或氢等杂质的浓度。
导电体450a和导电体451a以及导电体450b和导电体451b配置在形成于绝缘体280及绝缘体225中的开口。导电体450a和导电体451a以及导电体450b和导电体451b优选以夹着导电体404彼此对置的方式设置。
在此,以与绝缘体280及绝缘体225的开口的内壁接触的方式形成有导电体450a,并在导电体450a的内侧形成有导电体451a。金属氧化物406的区域426b位于该开口的底部的至少一部分,并且,导电体450a与区域426b接触。同样地,以与绝缘体280及绝缘体225的开口的内壁接触的方式形成有导电体450b,并在导电体450b的内侧形成有导电体451b。金属氧化物406的区域426c位于该开口的底部的至少一部分,并且,导电体450b与区域426c接触。
因此,导电体450a及导电体451a被用作源电极和漏电极中的一个,导电体450b及导电体451b被用作源电极和漏电极中的另一个。
与导电体310a等同样,作为导电体450a及导电体450b优选使用具有抑制氢或水等杂质透过的功能的导电材料。
此外,导电体451a及导电体451b优选使用以钨、铜或铝为主要成分的导电材料形成。虽然未图示,但是导电体451a及导电体451b可以采用叠层结构,例如可以为钛或氮化钛与上述导电材料的叠层。
下面,对晶体管200的构成材料进行说明。
<衬底>
作为在其上形成晶体管200的衬底,例如可以使用绝缘体衬底、半导体衬底或导电体衬底。作为绝缘体衬底,例如可以使用玻璃衬底、石英衬底、蓝宝石衬底、稳定氧化锆衬底(例如,氧化钇稳定氧化锆衬底)、树脂衬底。作为半导体衬底,例如可以使用硅或锗等的半导体衬底、或者碳化硅、硅锗、砷化镓、磷化铟、氧化锌或氧化镓的化合物半导体衬底。可以使用在上述半导体衬底内部设置有绝缘体区域的半导体衬底,例如有绝缘体上硅(silicon oninsulator:SOI)衬底等。作为导电体衬底,可以使用石墨衬底、金属衬底、合金衬底、导电树脂衬底等。可以使用包含金属氮化物的衬底、包含金属氧化物的衬底等。可以使用设置有导电体或半导体的绝缘体衬底、设置有导电体或绝缘体的半导体衬底、设置有半导体或绝缘体的导电体衬底等。或者,也可以使用在这些衬底上设置有元件的而成衬底。作为设置在衬底上的元件,可以使用电容器、电阻器、开关元件、发光元件、存储元件等。
此外,作为衬底也可以使用柔性衬底。作为在柔性衬底上设置晶体管的方法,有如下方法:在非柔性衬底上形成晶体管之后,剥离晶体管而将该晶体管转置到柔性衬底的衬底上。在此情况下,优选在非柔性衬底与晶体管之间设置剥离层。作为衬底,也可以使用包含纤维的薄片、薄膜或箔。衬底也可以具有伸缩性。衬底可以具有在停止弯曲或拉伸时恢复为原来的形状的性质。或者,衬底也可以具有不恢复为原来的形状的性质。衬底例如包括具有如下厚度的区域:5μm以上且700μm以下,优选为10μm以上且500μm以下,更优选为15μm以上且300μm以下。当衬底的厚度薄时,可以减小包括晶体管的半导体装置的重量。当衬底的厚度薄时,即便在使用玻璃等的情况下,衬底也有时会具有伸缩性或在停止弯曲或拉伸时恢复为原来的形状的性质。因此,可以缓和因掉落等而衬底上的半导体装置受到的冲击。就是说,可以提供一种耐久性高的半导体装置。
作为柔性衬底的衬底,例如可以使用金属、合金、树脂或玻璃或者其纤维。柔性衬底的线性膨胀系数优选低,这是因为因环境而发生的变形得到抑制。柔性衬底例如使用线性膨胀系数为1×10-3/K以下、5×10-5/K以下或1×10-5/K以下的材料形成。作为树脂的例子,可以举出聚酯、聚烯烃、聚酰胺(例如,尼龙、芳族聚酰胺)、聚酰亚胺、聚碳酸酯、丙烯酸树脂。尤其是,芳族聚酰胺的线性膨胀系数较低,因此适用于柔性衬底。
<绝缘体>
作为绝缘体的例子,有绝缘性氧化物、绝缘性氮化物、绝缘性氧氮化物、绝缘性氮氧化物、绝缘性金属氧化物、绝缘性金属氧氮化物以及绝缘性金属氮氧化物。
通过由具有抑制氢等杂质及氧的透过的功能的绝缘体围绕晶体管,因此晶体管可以具有稳定的电特性。例如,作为绝缘体222及绝缘体214,使用具有抑制氢等杂质以及氧的透过的功能的绝缘体。
作为具有抑制氢等杂质及氧的透过的功能的绝缘体,例如可以具有使用包含硼、碳、氮、氧、氟、镁、铝、硅、磷、氯、氩、镓、锗、钇、锆、镧、钕、铪或钽的绝缘体的单层结构或叠层结构。
此外,例如,绝缘体222及绝缘体214可以使用氧化铝、氧化镁、氧化镓、氧化锗、氧化钇、氧化锆、氧化镧、氧化钕、氧化铪或氧化钽等金属氧化物、氮氧化硅或氮化硅等形成。注意,绝缘体222及绝缘体214优选包含氧化铝或氧化铪等。
例如,作为绝缘体384、绝缘体216、绝缘体220、绝缘体224及绝缘体412,例如可以使用包含硼、碳、氮、氧、氟、镁、铝、硅、磷、氯、氩、镓、锗、钇、锆、镧、钕、铪或钽的绝缘体的单层结构或叠层结构。例如,绝缘体384、绝缘体216、绝缘体220、绝缘体224及绝缘体412优选包含氧化硅、氧氮化硅或氮化硅。
绝缘体220、绝缘体222、绝缘体224以及/或绝缘体412优选包括相对介电常数高的绝缘体。例如,绝缘体220、绝缘体222、绝缘体224以及/或绝缘体412优选包含氧化镓、氧化铪、氧化锆、含有铝及铪的氧化物、含有铝及铪的氧氮化物、含有硅及铪的氧化物、含有硅及铪的氧氮化物或者含有硅及铪的氮化物等。或者,绝缘体220、绝缘体222、绝缘体224以及/或绝缘体412优选具有氧化硅或氧氮化硅与相对介电常数高的绝缘体的叠层结构。
绝缘体384、绝缘体216及绝缘体280优选包括相对介电常数低的绝缘体。例如,绝缘体384、绝缘体216及绝缘体280优选包含氧化硅、氧氮化硅、氮氧化硅、氮化硅、添加有氟的氧化硅、添加有碳的氧化硅、添加有碳及氮的氧化硅、具有空孔的氧化硅或树脂等。或者,绝缘体384、绝缘体216及绝缘体280优选具有氧化硅、氧氮化硅、氮氧化硅、氮化硅、添加有氟的氧化硅、添加有碳的氧化硅、添加有碳及氮的氧化硅或具有空孔的氧化硅与树脂的叠层结构。当将具有热稳定性的氧化硅或氧氮化硅与树脂组合时,该叠层结构可以具有热稳定性及低相对介电常数。作为树脂,例如可以举出聚酯、聚烯烃、聚酰胺(尼龙、芳族聚酰胺等)、聚酰亚胺、聚碳酸酯或丙烯酸树脂等。
作为绝缘体418及绝缘体419,例如可以使用氧化铝、氧化铪、氧化镁、氧化镓、氧化锗、氧化钇、氧化锆、氧化镧、氧化钕或氧化钽等金属氧化物、氮氧化硅或氮化硅等。
<导电体>
导电体404a、导电体404b、导电体310a、导电体310b、导电体450a、导电体450b、导电体451a及导电体451b可以使用包含选自铝、铬、铜、银、金、铂、钽、镍、钛、钼、钨、铪、钒、铌、锰、镁、锆、铍、铟和钌等的金属元素中的一种以上的材料形成。另外,也可以使用以包含磷等杂质元素的多晶硅为代表的导电率高的半导体或镍硅化物等硅化物。
作为上述导电体,尤其是导电体404a、导电体310a、导电体450a及导电体450b,可以使用包含可用于金属氧化物406的金属氧化物所包含的金属元素及氧的导电材料。此外,也可以使用包含上述金属元素及氮的导电材料。例如,也可以使用氮化钛、氮化钽等包含氮的导电材料。此外,也可以使用铟锡氧化物、包含氧化钨的铟氧化物、包含氧化钨的铟锌氧化物、包含氧化钛的铟氧化物、包含氧化钛的铟锡氧化物、铟锌氧化物、添加有硅的铟锡氧化物。此外,也可以使用包含氮的铟镓锌氧化物。
另外,也可以使用多个由上述材料形成的导电层的叠层。例如,也可以采用使用包含上述金属元素的材料和包含氧的导电材料的组合形成的叠层结构。另外,也可以采用使用包含上述金属元素的材料和包含氮的导电材料的组合形成的叠层结构。另外,也可以采用使用包含上述金属元素的材料、包含氧的导电材料和包含氮的导电材料的组合形成的叠层结构。
在将氧化物用于晶体管的沟道形成区的情况下,作为栅电极优选采用使用包含上述金属元素的材料和包含氧的导电材料形成的叠层结构。在此情况下,优选将包含氧的导电材料形成在沟道形成区一侧。此时,优选将包含氧的导电材料设置在沟道形成区一侧,由此从该导电材料脱离的氧容易被供应到沟道形成区。
<晶体管201>
接着,对图25所示的晶体管201的详细结构进行说明。
图28A是晶体管201的俯视图。图28B是沿着图28A中的点划线A1-A2的截面图,该截面图相当于晶体管201的沟道长度方向上的截面图。图28C是沿着图28A中的点划线A3-A4的截面图,该截面图相当于晶体管201的沟道宽度方向上的截面图。为了明确起见,在图28A所示的俯视图中未图示一部分的构成要素。使用同一符号表示晶体管201的与晶体管200共同的构成要素。
如图28A至图28C所示,晶体管201包括:衬底(未图示)上的绝缘体224;绝缘体224上的金属氧化物406a;与金属氧化物406a的顶面的至少一部分接触的金属氧化物406b;与金属氧化物406b的顶面的至少一部分接触的导电体452a及导电体452b;与金属氧化物406b的顶面的至少一部分接触并在导电体452a及导电体452b上的金属氧化物406c;金属氧化物406c上的绝缘体413;绝缘体413上的导电体405a;导电体405a上的导电体405b;导电体405b上的绝缘体420。
导电体405(导电体405a及导电体405b)可被用作顶栅极,导电体310可被用作背栅极。背栅极的电位可以与顶栅极相等,也可以为接地电位或任意电位。通过独立于顶栅极的电位地改变背栅极的电位,可以改变晶体管的阈值电压。
导电体405a可以使用与图26A至图26C的导电体404a同样的材料形成。导电体405b可以使用与图26A至图26C的导电体404b同样的材料形成。
导电体452a被用作源电极和漏电极中的一个,导电体452b被用作源电极和漏电极中的另一个。
导电体452a、导电体452b可以使用铝、钛、铬、镍、铜、钇、锆、钼、银、钽或钨等金属或者以这些元素为主要成分的合金。虽然附图示出单层结构,但是也可以采用两层以上的叠层结构。另外,可以使用包含氧化铟、氧化锡或氧化锌的透明导电材料。
在晶体管201中,沟道优选形成在金属氧化物406b中。因此,金属氧化物406c优选使用绝缘性比金属氧化物406b高的材料形成。金属氧化物406c可以使用与金属氧化物406a同样的材料形成。
通过设置金属氧化物406c可以实现埋入沟道型的晶体管201。另外,可以防止导电体452a及导电体452b的端部的氧化。此外,可以防止导电体405与导电体452a(或导电体405与导电体452b)之间的泄漏电流。注意,有时可以省略金属氧化物406c。
绝缘体420优选使用具有抑制水或氢等杂质及氧透过的功能的绝缘材料形成。例如,绝缘体420可以使用氧化铝、氧化镁、氧化镓、氧化锗、氧化钇、氧化锆、氧化镧、氧化钕、氧化铪或氧化钽等金属氧化物、氮氧化硅或氮化硅等形成。
在晶体管201中,通过设置绝缘体420可以防止导电体405的氧化。另外,可以防止水或氢等杂质进入金属氧化物406中。
与晶体管200相比,晶体管201中的金属氧化物406b与电极(源电极或漏电极)的接触面积可以更大。另外,不需要图26A至图26C所示的区域426b及区域426c的形成工序。因此可以使晶体管201的通态电流比晶体管200大。此外,可以简化制造工序。
晶体管201的其他构成要素的详细内容可以参照晶体管200的记载。
注意,本实施方式可以与本说明书所示的其他实施方式适当地组合。
[实施例1]
在本实施例中,说明将本发明的一个实施方式的神经网络用于二次电池的异常发生(具体而言,微小短路(micro short circuit))的预测及检测的例子。
图29C示出发生微小短路的充放电曲线的示意图的例子。
这里,微小短路是指二次电池内部的微小短路。该现象不是不能进行充放电的状态,而是微少短路电流流过微小短路部的现象。发生微小短路的原因被认为如下。当多次充放电时,发生正极活性物质的不均匀分布,于是正极的一部分与负极的一部分发生局部性电流集中。因此,使隔离体的一部分不起作用。因副反应而发生副反应物,导致发生微小短路。
为了制造理想的二次电池,需要减小隔离体的厚度以使二次电池小型化。另外,需要以高电压高速供电来进行充电。但在上述结构中,二次电池容易发生微小短路。另外,当反复发生微小短路时,有可能导致二次电池的异常发热及起火等重大事故。
因此,作为需要构成能早期发现微小短路来防患于未然的蓄电系统或者二次电池的控制系统的第一步,尝试了使用神经网络预测二次电池的异常发生。
作为神经网络,使用被称为LSTM的循环神经网络。LSTM的网络是适合处理时间序列数据的模型,每隔一定时间测量充电电压,根据积累的时间序列数据可以预测稍前的充电特性。LSTM的算法使用Python(Chainer)构成。基于该算法,使用包括沟道形成区中包含氧化物半导体的晶体管的电路实现系统。图29A示出LSTM的网络模型。
在图29B中,实线示出充电时的充电曲线,虚线示出被预测的充电曲线。
具体而言,使神经网络学习正常的充电曲线,如果预测的稍前的充电曲线与正常的充电曲线重叠,则判断该期间无异常,或者,如图29C的充电曲线的右端部所示,当波形出现紊乱,(即,发生微小短路),偏离正常的充电曲线时,判断该期间发生异常。
图30A是试制品的方框图。其中,模拟在锂离子二次电池中发生微小短路,预测电池的举动,并在显示器上实时显示其状态(充电曲线)。
在图30A中,601表示虚拟异常发生开关,602表示可视为电池的模拟器。从模拟器602输出充电测量数据,由控制器IC603进行测量及判断。由于OS-LSI推论芯片604在积和运算电路内包括使用OS-FET的非易失性存储器,并可以一直加载权重值。控制器IC603输入积和运算用输入数据,OS-LSI推论芯片604输出运算结果。使用不同颜色在显示器605上重叠地显示推论结果的数据及测量数据,由此进行比较。注意,在笔记本个人计算机的显示器605显示两个充电曲线(例如,绿色:测量数据,黄色:被预测的充电曲线)。
图30B示出对应于图30A的方框图的试制品的外观照片。图30B的右下的电路板上安装有OS-LSI推论芯片604。在图30B中,中央的电路板是控制器IC603,包括虚拟异常发生开关601的模拟器602设置在左下。
图31示出试制品的外观照片,其中,图30B所示的试制品的右侧还设置有监视实际的硬币型锂离子二次电池并实时显示异常预测的面板。
下面,对上述LSTM的算法进行详细说明。
[算式19]
在上述算法中,t及l分别表示时间及层各自的index。换言之,t-1表示前面的时间,l-1表示上一层。上述算式中的符号⊙表示哈达马积(Hadamard product)(元素积:element-wise multiplication)。进行以下算式所示的运算。
[算式20]
另外,T表示将2n维转换为4n维的矩阵运算,其中对每n个要素进行“sigm”、“tanh”的计算,转换为具有n个要素的向量、i(input gate)、f(forget gate)、o(output gate)及g(input modulation gate)。注意,“sigm”表示使用sigmoid函数进行运算,“tanh”表示使用hyperbolic tangent函数进行运算。
上述运算的种类为积和运算、元素积、激活函数(sigmoid and tanh)。注意,LSTM有时包括全连接层的网络,在该网络也进行“积和运算”。
在时间Time(=0至t step)进行L层的计算,此时,在推论计算中不改变权重。注意,在本实施例中Time=0实质上相当于1,因此时间实质上是1至t+1step。time step中的cell state和输出的各值被储存并将其用于下一个time step。在每个step中提供新的值(Cell state及输出的存储值在用作输入值之后就不需要了,因此可以改写)。
图32示出实际的运算全局。图33示出图32中的PU的单位。图34示出图33中的AU的单位。图35示出图34的NNM的单位。图36示出图35的LSTM的单位。图36示出LSTM的算法。
在图35中,网络包括五层,其中三层包括LSTM。隐藏层的层数为30。
通过上述算法,可以高精度地预测波形,因此可以构成如果检测出异常就立即停止充电或显示警告的控制系统。
符号说明
81:正极,82:负极,83:固体电解质层,84:衬底,85:布线电极,86:布线电极,87:正极活性物质,88:负极活性物质,100:半导体装置,105:绝缘体,110:导电体,112:导电体,120:导电体,130:蓄电系统,131:控制电路,135:蓄电池,135_k:蓄电池,135_m:蓄电池,135_S:蓄电池,135_1:蓄电池,135_2:蓄电池,135_3:蓄电池,135_4:蓄电池,137:保护电路,137_S:保护电路,137_2:保护电路,140:电容器,141:开关群,142:开关群,144:电阻器,145:电阻器,146:电容器,147:晶体管,148:晶体管,149:集成电路,150:绝缘体,156:导电体,160:绝缘体,166:导电体,200:晶体管,201:晶体管,214:绝缘体,216:绝缘体,218:导电体,220:绝缘体,222:绝缘体,224:绝缘体,225:绝缘体,230:氧化物,246:导电体,248:导电体,280:绝缘体,282:绝缘体,286:绝缘体,300:晶体管,310:导电体,310a:导电体,310b:导电体,311:衬底,313:半导体区域,314a:低电阻区,314b:低电阻区,315:绝缘体,316:导电体,320:绝缘体,322:绝缘体,324:绝缘体,326:绝缘体,328:导电体,330:导电体,350:绝缘体,352:绝缘体,354:绝缘体,356:导电体,360:绝缘体,362:绝缘体,364:绝缘体,366:导电体,370:绝缘体,372:绝缘体,374:绝缘体,376:导电体,380:绝缘体,382:绝缘体,384:绝缘体,386:导电体,404:导电体,404a:导电体,404b:导电体,405:导电体,405a:导电体,405b:导电体,406:金属氧化物,406a:金属氧化物,406b:金属氧化物,406c:金属氧化物,412:绝缘体,413:绝缘体,418:绝缘体,419:绝缘体,420:绝缘体,426a:区域,426b:区域,426c:区域,440:导电体,440a:导电体,440b:导电体,450a:导电体,450b:导电体,451a:导电体,451b:导电体,452a:导电体,452b:导电体,500:二次电池,510:正极引线电极,511:负极引线电极,601:虚拟异常发生开关,602:模拟器,603:控制器IC,604:OS-LSI推论芯片,605:显示器,700:二次电池,701:正极盖,702:电池罐,703:正极端子,704:正极,705:隔离体,706:负极,707:负极端子,708:绝缘板,709:绝缘板,710:垫片,711:PTC元件,712:安全阀机构,7100:便携式显示装置,7101:外壳,7102:显示部,7103:操作按钮,7104:蓄电池,7200:便携式信息终端,7201:外壳,7202:显示部,7203:带子,7204:带扣,7205:操作按钮,7206:输入输出端子,7207:图标,7300:无人航空载具,7301:蓄电池系统,7302:旋翼,7303:相机,7400:移动电话机,7401:外壳,7402:显示部,7403:操作按钮,7404:外部连接端口,7405:扬声器,7406:麦克风,7407:蓄电池,8000:显示装置,8001:外壳,8002:显示部,8003:扬声器部,8004:控制电路,8021:充电装置,8022:电缆,8024:蓄电系统,8100:照明装置,8101:外壳,8102:光源,8103:控制电路,8104:天花板,8200:室内机,8201:外壳,8202:送风口,8203:控制电路,8204:室外机,8230:太阳能电池板,8231:布线,8240:充电装置,8250:汽车,8251:蓄电池,8300:蓄电系统,8301:8301,8302:智能手机,8400:汽车,8401:可动部,8406:电气电动机,8500:汽车,8600:小型摩托车,8601:后视镜,8602:蓄电系统,8603:方向灯,8604:座下收纳部,8700:电动自行车,8701:蓄电池,8702:电池组,8703:显示部,8710:电动二轮车,8711:蓄电池,8712:显示部,8713:方向盘,9600:平板终端,9625:开关,9626:开关,9627:电源开关,9628:操作开关,9629:夹子,9630:外壳,9630a:外壳,9630b:外壳,9631:显示部,9633:太阳能电池,9634:充放电控制电路,9635:蓄电体,9636:DCDC转换器,9637:转换器,9640:可动部
本申请基于2017年3月3日提交到日本专利局的日本专利申请No.2017-092024、2017年6月26日提交到日本专利局的日本专利申请No.2017-124077以及2017年8月4日提交到日本专利局的日本专利申请No.2017-151306,通过引用将其完整内容并入在此。
Claims (13)
1.一种蓄电系统,包括:
神经网络;以及
蓄电池,
其中,所述神经网络包括输入层、输出层及所述输入层与所述输出层之间的一个或多个隐藏层,
指定的所述隐藏层以指定的权系数连接到上一个所述隐藏层或上一个所述输入层,并以指定的权系数连接到下一个所述隐藏层或下一个所述输出层,
在所述蓄电池中,所述蓄电池的电压与取得所述电压的时间作为一个数据组被测量,
在不同时间测量的所述数据组被供应到所述输入层,
并且,根据从所述输出层输出的信号改变所述蓄电池的工作条件。
2.根据权利要求1所述的蓄电系统,其中作为所述数据组测量从外部供应至所述蓄电池的电流。
3.根据权利要求1或2所述的蓄电系统,其中作为所述数据组测量所述蓄电池的温度。
4.根据权利要求1或2所述的蓄电系统,
其中在进行所述蓄电池的充电期间在所述蓄电池中测量所述数据组,
并且在从所述输出层输出第一信号时,停止所述蓄电池的工作。
5.根据权利要求1或2所述的蓄电系统,
其中在进行所述蓄电池的充电期间在所述蓄电池中测量所述数据组,
在从所述输出层输出第一信号时,停止所述蓄电池的所述充电,
并且在从所述输出层输出第二信号时,继续进行所述充电。
6.一种蓄电系统,包括:
神经网络;以及
n个蓄电池,
其中,n为2以上的整数,
所述神经网络包括输入层、输出层及所述输入层与所述输出层之间的一个或多个隐藏层,
指定的所述隐藏层以指定的权系数连接到上一个所述隐藏层或上一个所述输入层,并以指定的权系数连接到下一个所述隐藏层或下一个所述输出层,
在所述n个蓄电池中,第一至第(n-1)蓄电池串联电连接,
在各所述第一至第(n-1)蓄电池中测量的数据组被供应到所述输入层,
在各所述第一至第(n-1)蓄电池中测量电压与取得所述电压的时间而成的所述数据组,
并且根据从所述输出层输出的信号停止所述第一蓄电池的工作,将所述第一蓄电池置换成所述第n蓄电池,将所述第n蓄电池串电联连接到所述第二至第(n-1)蓄电池。
7.根据权利要求1、2和6中任一项所述的蓄电系统,
其中所述神经网络包括第一电路,
所述第一电路进行积和运算,
所述第一电路包括第一晶体管、电容器及第二晶体管,
所述第一晶体管的源极和漏极中的一个电连接到所述电容器的一个电极及所述第二晶体管的栅极,
所述第一晶体管在其沟道形成区中包含金属氧化物,
所述金属氧化物包含铟及元素M,
所述元素M为选自铝、镓、锡、硼、硅、钛、铁、镍、锗、钇、锆、钼、镧、铈、钕、铪、钽和钨中的一个或多个,
并且在所述第一晶体管的所述源极和所述漏极中的一个中存储对应于模拟数据的电位。
8.根据权利要求7所述的蓄电系统,其中所述第二晶体管在其沟道形成区中包含硅。
9.根据权利要求7所述的蓄电系统,
其中所述第二晶体管在其沟道形成区中包含第二金属氧化物,
所述第二金属氧化物包含铟及元素M2,
并且所述元素M2为选自铝、镓、锡、硼、硅、钛、铁、镍、锗、钇、锆、钼、镧、铈、钕、铪、钽和钨中的一个或多个。
10.一种蓄电系统,包括:
蓄电池;以及
第一电路,
其中,测量所述蓄电池的电压和取得所述电压的时间作为一个数据组,
在进行所述蓄电池的充电期间在所述蓄电池中测量所述数据组,
在不同时间测量的所述数据组被输入到所述第一电路,
并且,所述第一电路根据所述数据组改变所述蓄电池的工作条件。
11.一种包括权利要求1、2、6和10中任一项所述的蓄电系统的车辆。
12.一种包括权利要求1、2、6和10中任一项所述的蓄电系统的电子设备。
13.一种神经网络,包括:
输入层;
输出层;
所述输入层与所述输出层之间的一个或多个隐藏层;以及
第一电路,
其中,指定的所述隐藏层以指定的权系数连接到上一个所述隐藏层或上一个所述输入层,并以指定的权系数连接到下一个所述隐藏层或下一个所述输出层,
第一值与取得所述第一值的时间作为一个数据组被测量,
在不同时间测量的所述数据组被输入到所述输入层,
对应于供应到所述输入层的所述数据组的第二值从所述输出层被输出,
所述第一电路进行积和运算,
所述第一电路包括第一晶体管、电容器及第二晶体管,
所述第一晶体管的源极和漏极中的一个电连接到所述电容器的一个电极及所述第二晶体管的栅极,
所述第一晶体管在其沟道形成区中包含金属氧化物,
所述金属氧化物包含铟及元素M,
所述元素M为选自铝、镓、锡、硼、硅、钛、铁、镍、锗、钇、锆、钼、镧、铈、钕、铪、钽和钨中的一个或多个,
并且在所述第一晶体管的所述源极和所述漏极中的一个中储存对应于模拟数据的电位。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-092024 | 2017-05-03 | ||
JP2017092024 | 2017-05-03 | ||
JP2017-124077 | 2017-06-26 | ||
JP2017124077 | 2017-06-26 | ||
JP2017151306 | 2017-08-04 | ||
JP2017-151306 | 2017-08-04 | ||
PCT/IB2018/052744 WO2018203170A1 (en) | 2017-05-03 | 2018-04-20 | Neural network, power storage system, vehicle, and electronic device |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110622348A true CN110622348A (zh) | 2019-12-27 |
Family
ID=64016011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880025241.8A Pending CN110622348A (zh) | 2017-05-03 | 2018-04-20 | 神经网络、蓄电系统、车辆及电子设备 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11594770B2 (zh) |
JP (3) | JP7064940B2 (zh) |
KR (2) | KR20230170991A (zh) |
CN (1) | CN110622348A (zh) |
TW (1) | TWI793120B (zh) |
WO (1) | WO2018203170A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113219358A (zh) * | 2021-04-29 | 2021-08-06 | 东软睿驰汽车技术(沈阳)有限公司 | 电池包健康状态计算方法、系统及电子设备 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2019021099A1 (ja) | 2017-07-25 | 2020-08-06 | 株式会社半導体エネルギー研究所 | 蓄電システム、電子機器及び車両、並びに推定方法 |
KR20200053522A (ko) | 2017-09-14 | 2020-05-18 | 가부시키가이샤 한도오따이 에네루기 켄큐쇼 | 이차 전지의 이상 검지 시스템 및 이차 전지의 이상 검출 방법 |
JP6819799B2 (ja) * | 2017-12-28 | 2021-01-27 | Tdk株式会社 | 積和演算器の使用方法 |
JP6973213B2 (ja) * | 2018-03-16 | 2021-11-24 | トヨタ自動車株式会社 | 二次電池システム、及び二次電池制御方法 |
CN111919128A (zh) * | 2018-04-06 | 2020-11-10 | 株式会社半导体能源研究所 | 蓄电装置的充电状态推测方法及蓄电装置的充电状态推测系统 |
US11493558B2 (en) | 2018-04-27 | 2022-11-08 | Semiconductor Energy Laboratory Co., Ltd. | Estimation method of state of charge of power storage device and estimation system of state of charge of power storage device |
US10692991B2 (en) | 2018-09-06 | 2020-06-23 | Globalfoundries Inc. | Gate-all-around field effect transistors with air-gap inner spacers and methods |
CN113228379A (zh) * | 2018-12-28 | 2021-08-06 | 株式会社杰士汤浅国际 | 数据处理装置、数据处理方法及计算机程序 |
JP6989552B2 (ja) * | 2019-03-18 | 2022-01-05 | 株式会社東芝 | ニューラルネットワーク装置 |
KR102354112B1 (ko) * | 2019-03-26 | 2022-01-24 | 서강대학교산학협력단 | 인공 지능에 기반하여 배터리의 상태를 추정하는 장치 및 방법 |
US10903317B1 (en) | 2019-08-07 | 2021-01-26 | Globalfoundries U.S. Inc. | Gate-all-around field effect transistors with robust inner spacers and methods |
US11790217B2 (en) * | 2019-09-25 | 2023-10-17 | Intel Corporation | LSTM circuit with selective input computation |
JP6808858B1 (ja) * | 2020-01-07 | 2021-01-06 | 廣美 畑中 | 全固体電池とledを組み合わせた構造の蓄電型電灯による照明方法。 |
WO2021193590A1 (ja) * | 2020-03-26 | 2021-09-30 | 株式会社村田製作所 | 蓄電装置、電動車両および電力システム |
KR102387780B1 (ko) * | 2020-03-30 | 2022-04-18 | 주식회사 아르고스다인 | 신경망 기반의 배터리 용량 추정 방법 및 장치 |
TWM614073U (zh) * | 2020-05-04 | 2021-07-01 | 神亞科技股份有限公司 | 用於執行卷積神經網路運算的處理裝置 |
KR102339485B1 (ko) * | 2020-06-30 | 2021-12-15 | 강원대학교산학협력단 | 인공신경망을 이용한 아크신호 검출방법 |
DE102020117609B8 (de) | 2020-07-03 | 2022-11-03 | TWAICE Technologies GmbH | Verarbeitung von Zustandsdaten einer Batterie zur Alterungsschätzung |
CN116457790A (zh) * | 2020-11-20 | 2023-07-18 | 株式会社半导体能源研究所 | 晶体管以及半导体装置 |
KR102547083B1 (ko) * | 2020-12-18 | 2023-06-22 | 연세대학교 산학협력단 | 전기 화학 임피던스 분광법을 이용한 배터리 상태 판단 장치 및 방법 |
CN113972714B (zh) * | 2021-09-27 | 2023-08-08 | 湖南国天电子科技有限公司 | 重型水下机器人超级电容器的节能控制方法及系统 |
KR102635229B1 (ko) * | 2021-10-25 | 2024-02-08 | 연세대학교 산학협력단 | 전극 특성 검출 장치 및 방법 |
CN116299038B (zh) * | 2023-02-13 | 2024-04-05 | 上海玫克生储能科技有限公司 | 电芯微短路的检测方法、系统、设备及存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064180A (en) * | 1996-10-29 | 2000-05-16 | General Motors Corporation | Method and apparatus for determining battery state-of-charge using neural network architecture |
JP2000329834A (ja) * | 1999-05-20 | 2000-11-30 | Hitachi Shonan Denshi Co Ltd | バッテリー劣化検出方法とその装置 |
JP2003249271A (ja) * | 2002-02-22 | 2003-09-05 | Akuson Data Machine Kk | バッテリの残存容量判定方法と、その装置 |
CN1753240A (zh) * | 2004-09-24 | 2006-03-29 | 株式会社东芝 | 蓄电系统、再生蓄电系统和汽车 |
JP2007240521A (ja) * | 2006-02-09 | 2007-09-20 | Denso Corp | 二次電池の状態量演算方式 |
CN101087074A (zh) * | 2006-06-02 | 2007-12-12 | 株式会社半导体能源研究所 | 蓄电装置及具备该蓄电装置的移动式电子设备 |
CN102324582A (zh) * | 2011-08-12 | 2012-01-18 | 重庆东电通信技术有限公司 | 一种多功能铅酸蓄电池智能维护装置及容量预测方法 |
CN102738525A (zh) * | 2012-06-14 | 2012-10-17 | 沈阳中科正方新能源技术有限公司 | 一种车载锂动力电池的电池管理系统 |
JP2013219996A (ja) * | 2012-04-12 | 2013-10-24 | Nippon Telegr & Teleph Corp <Ntt> | 電源システムおよび可搬型電源システム |
CN103941191A (zh) * | 2014-03-26 | 2014-07-23 | 海博瑞恩电子科技无锡有限公司 | 一种储能装置综合管理的方法及储能装置 |
CN105680109A (zh) * | 2016-03-25 | 2016-06-15 | 杭州电子科技大学 | 一种基于深度学习的动力电池配组方法 |
CN105678300A (zh) * | 2015-12-30 | 2016-06-15 | 成都数联铭品科技有限公司 | 一种复杂图像文字序列识别方法 |
CN105868829A (zh) * | 2015-02-06 | 2016-08-17 | 谷歌公司 | 用于数据项生成的循环神经网络 |
CN105932762A (zh) * | 2016-05-30 | 2016-09-07 | 深圳市天泽慧通新能源科技有限公司 | 一种基于太阳能发电的电池组的应用系统 |
US20160343452A1 (en) * | 2015-05-21 | 2016-11-24 | Semiconductor Energy Laboratory Co., Ltd. | Electronic Device |
US20170023649A1 (en) * | 2015-07-21 | 2017-01-26 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating state of battery |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04172574A (ja) * | 1990-11-07 | 1992-06-19 | Matsushita Electric Ind Co Ltd | グラフ認識装置 |
AU2001286433A1 (en) | 2000-08-11 | 2002-02-25 | Nisource Energy Technologies | Energy management system and methods for the optimization of distributed generation |
DE10107583A1 (de) | 2001-02-17 | 2002-08-29 | Vb Autobatterie Gmbh | Verfahren zur Bestimmung der Leistungsfähigkeit einer Speicherbatterie |
JP3935099B2 (ja) | 2003-04-15 | 2007-06-20 | 株式会社デンソー | 車両用蓄電装置の内部状態検出システム |
US7583059B2 (en) * | 2003-12-18 | 2009-09-01 | Lg Chem, Ltd. | Apparatus and method for estimating state of charge of battery using neural network |
JP4314223B2 (ja) | 2004-09-24 | 2009-08-12 | 株式会社東芝 | 回生用蓄電システム、蓄電池システムならびに自動車 |
DE602006002896D1 (de) | 2005-02-14 | 2008-11-13 | Denso Corp | Verfahren und Vorrichtung zur Erkennung des Ladestatus einer Sekundärbatterie auf Basis neuronaler Netzwerkkalkulation |
JP2008232758A (ja) | 2007-03-19 | 2008-10-02 | Nippon Soken Inc | 二次電池の内部状態検出装置及びニューラルネット式状態量推定装置 |
CN101067644B (zh) | 2007-04-20 | 2010-05-26 | 杭州高特电子设备有限公司 | 蓄电池性能分析专家诊断方法 |
JP5467010B2 (ja) * | 2010-07-22 | 2014-04-09 | ニチコン株式会社 | 学習型蓄電池マネジメントシステム |
US20130278221A1 (en) | 2010-12-28 | 2013-10-24 | Reizo Maeda | Method of detecting battery degradation level |
JP5810116B2 (ja) | 2013-03-14 | 2015-11-11 | 古河電気工業株式会社 | 二次電池状態検出装置および二次電池状態検出方法 |
US9553465B2 (en) | 2014-04-21 | 2017-01-24 | Palo Alto Research Center Incorporated | Battery management based on internal optical sensing |
KR102215450B1 (ko) | 2014-06-24 | 2021-02-15 | 삼성전자주식회사 | 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법 |
US10205333B2 (en) | 2014-07-07 | 2019-02-12 | Hitachi Automotive Systems, Ltd. | Battery controlling device |
JP6615565B2 (ja) | 2014-10-24 | 2019-12-04 | 株式会社半導体エネルギー研究所 | 半導体装置 |
JP6145824B2 (ja) * | 2014-10-31 | 2017-06-14 | エンネット株式会社 | 電池診断装置および電池診断方法 |
JP6134438B1 (ja) * | 2015-07-31 | 2017-05-24 | 株式会社東芝 | 蓄電池評価装置、蓄電システムおよび蓄電池評価方法 |
JP2017060373A (ja) | 2015-09-18 | 2017-03-23 | エリーパワー株式会社 | 蓄電池の充放電制御装置及び充放電制御方法 |
-
2018
- 2018-04-20 KR KR1020237042649A patent/KR20230170991A/ko not_active Application Discontinuation
- 2018-04-20 CN CN201880025241.8A patent/CN110622348A/zh active Pending
- 2018-04-20 WO PCT/IB2018/052744 patent/WO2018203170A1/en active Application Filing
- 2018-04-20 KR KR1020197034793A patent/KR102613749B1/ko active IP Right Grant
- 2018-04-20 US US16/603,487 patent/US11594770B2/en active Active
- 2018-04-27 JP JP2018086225A patent/JP7064940B2/ja active Active
- 2018-04-27 TW TW107114571A patent/TWI793120B/zh active
- 2018-06-15 JP JP2018114340A patent/JP6533607B2/ja active Active
-
2022
- 2022-04-25 JP JP2022071422A patent/JP2022109974A/ja active Pending
-
2023
- 2023-01-06 US US18/093,833 patent/US11955612B2/en active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064180A (en) * | 1996-10-29 | 2000-05-16 | General Motors Corporation | Method and apparatus for determining battery state-of-charge using neural network architecture |
JP2000329834A (ja) * | 1999-05-20 | 2000-11-30 | Hitachi Shonan Denshi Co Ltd | バッテリー劣化検出方法とその装置 |
JP2003249271A (ja) * | 2002-02-22 | 2003-09-05 | Akuson Data Machine Kk | バッテリの残存容量判定方法と、その装置 |
CN1753240A (zh) * | 2004-09-24 | 2006-03-29 | 株式会社东芝 | 蓄电系统、再生蓄电系统和汽车 |
JP2007240521A (ja) * | 2006-02-09 | 2007-09-20 | Denso Corp | 二次電池の状態量演算方式 |
CN101087074A (zh) * | 2006-06-02 | 2007-12-12 | 株式会社半导体能源研究所 | 蓄电装置及具备该蓄电装置的移动式电子设备 |
CN102324582A (zh) * | 2011-08-12 | 2012-01-18 | 重庆东电通信技术有限公司 | 一种多功能铅酸蓄电池智能维护装置及容量预测方法 |
JP2013219996A (ja) * | 2012-04-12 | 2013-10-24 | Nippon Telegr & Teleph Corp <Ntt> | 電源システムおよび可搬型電源システム |
CN102738525A (zh) * | 2012-06-14 | 2012-10-17 | 沈阳中科正方新能源技术有限公司 | 一种车载锂动力电池的电池管理系统 |
CN103941191A (zh) * | 2014-03-26 | 2014-07-23 | 海博瑞恩电子科技无锡有限公司 | 一种储能装置综合管理的方法及储能装置 |
CN105868829A (zh) * | 2015-02-06 | 2016-08-17 | 谷歌公司 | 用于数据项生成的循环神经网络 |
US20160343452A1 (en) * | 2015-05-21 | 2016-11-24 | Semiconductor Energy Laboratory Co., Ltd. | Electronic Device |
US20170023649A1 (en) * | 2015-07-21 | 2017-01-26 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating state of battery |
CN105678300A (zh) * | 2015-12-30 | 2016-06-15 | 成都数联铭品科技有限公司 | 一种复杂图像文字序列识别方法 |
CN105680109A (zh) * | 2016-03-25 | 2016-06-15 | 杭州电子科技大学 | 一种基于深度学习的动力电池配组方法 |
CN105932762A (zh) * | 2016-05-30 | 2016-09-07 | 深圳市天泽慧通新能源科技有限公司 | 一种基于太阳能发电的电池组的应用系统 |
Non-Patent Citations (2)
Title |
---|
胡航: "《语音信号处理》", 哈尔滨工业大学出版社, pages: 270 * |
赵强宝: "基于模糊神经网络的蓄电池劣化程度预测", 《电源技术》, vol. 30, no. 12, 31 December 2006 (2006-12-31), pages 1009 - 1012 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113219358A (zh) * | 2021-04-29 | 2021-08-06 | 东软睿驰汽车技术(沈阳)有限公司 | 电池包健康状态计算方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
KR20190140996A (ko) | 2019-12-20 |
US11594770B2 (en) | 2023-02-28 |
JP2019023853A (ja) | 2019-02-14 |
US20230155199A1 (en) | 2023-05-18 |
WO2018203170A1 (en) | 2018-11-08 |
US20210288357A1 (en) | 2021-09-16 |
JP7064940B2 (ja) | 2022-05-11 |
KR102613749B1 (ko) | 2023-12-13 |
TWI793120B (zh) | 2023-02-21 |
JP6533607B2 (ja) | 2019-06-19 |
KR20230170991A (ko) | 2023-12-19 |
TW201843904A (zh) | 2018-12-16 |
JP2022109974A (ja) | 2022-07-28 |
US11955612B2 (en) | 2024-04-09 |
JP2019023995A (ja) | 2019-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102613749B1 (ko) | 신경망, 전력 저장 시스템, 차량, 및 전자 기기 | |
US20200076223A1 (en) | Charging control system and charging control device | |
US11870042B2 (en) | Power storage system, vehicle, electronic device, and semiconductor device | |
KR20140086863A (ko) | 축전 장치의 제어 시스템, 축전 시스템, 및 전기 기기 | |
US20230100524A1 (en) | Semiconductor device, power storage device, battery management circuit, electronic component, vehicle, and electronic device | |
WO2020174299A1 (ja) | 二次電池の保護回路及び二次電池の異常検知システム | |
US20220094177A1 (en) | Semiconductor device and operating method of semiconductor device | |
US20220085427A1 (en) | Semiconductor device | |
US20220045532A1 (en) | Semiconductor device and charge control system | |
WO2020044168A1 (ja) | 半導体装置及び半導体装置の動作方法 | |
US20220052387A1 (en) | Semiconductor device and battery pack | |
US20220294402A1 (en) | Semiconductor device and method for operating semiconductor device | |
US20210384753A1 (en) | Charge control circuit and abnormality detection system of secondary battery | |
US20230336006A1 (en) | Control Circuit And Electronic Device | |
US20230408595A1 (en) | Power storage system, vehicle, and electronic device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |