CN110739393A - 一种仿生突触器件及其制作方法及其应用 - Google Patents
一种仿生突触器件及其制作方法及其应用 Download PDFInfo
- Publication number
- CN110739393A CN110739393A CN201810797121.1A CN201810797121A CN110739393A CN 110739393 A CN110739393 A CN 110739393A CN 201810797121 A CN201810797121 A CN 201810797121A CN 110739393 A CN110739393 A CN 110739393A
- Authority
- CN
- China
- Prior art keywords
- biomimetic
- synapse
- synaptic
- synapse device
- gate electrode
- 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.)
- Granted
Links
- 210000000225 synapse Anatomy 0.000 title claims abstract description 119
- 239000011664 nicotinic acid Substances 0.000 title claims abstract description 60
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 12
- 230000001242 postsynaptic effect Effects 0.000 claims abstract description 42
- 239000007784 solid electrolyte Substances 0.000 claims abstract description 18
- 230000000946 synaptic effect Effects 0.000 claims description 64
- 230000003592 biomimetic effect Effects 0.000 claims description 52
- 230000000638 stimulation Effects 0.000 claims description 40
- 239000000758 substrate Substances 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 31
- 238000000151 deposition Methods 0.000 claims description 18
- 238000000059 patterning Methods 0.000 claims description 15
- 239000004065 semiconductor Substances 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 8
- 229910052751 metal Inorganic materials 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 239000003792 electrolyte Substances 0.000 claims description 4
- 239000011248 coating agent Substances 0.000 claims description 3
- 238000000576 coating method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 28
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 230000036962 time dependent Effects 0.000 abstract description 6
- 238000013461 design Methods 0.000 abstract description 2
- 230000003518 presynaptic effect Effects 0.000 description 24
- 239000010408 film Substances 0.000 description 22
- 239000010409 thin film Substances 0.000 description 18
- 238000012360 testing method Methods 0.000 description 14
- 210000000063 presynaptic terminal Anatomy 0.000 description 13
- 230000004936 stimulating effect Effects 0.000 description 12
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical group [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 10
- JAONJTDQXUSBGG-UHFFFAOYSA-N dialuminum;dizinc;oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[Al+3].[Al+3].[Zn+2].[Zn+2] JAONJTDQXUSBGG-UHFFFAOYSA-N 0.000 description 10
- AMGQUBHHOARCQH-UHFFFAOYSA-N indium;oxotin Chemical compound [In].[Sn]=O AMGQUBHHOARCQH-UHFFFAOYSA-N 0.000 description 10
- 229920001661 Chitosan Polymers 0.000 description 9
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000007774 longterm Effects 0.000 description 9
- YVTHLONGBIQYBO-UHFFFAOYSA-N zinc indium(3+) oxygen(2-) Chemical compound [O--].[Zn++].[In+3] YVTHLONGBIQYBO-UHFFFAOYSA-N 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 230000001419 dependent effect Effects 0.000 description 8
- 238000001755 magnetron sputter deposition Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- IXPNQXFRVYWDDI-UHFFFAOYSA-N 1-methyl-2,4-dioxo-1,3-diazinane-5-carboximidamide Chemical compound CN1CC(C(N)=N)C(=O)NC1=O IXPNQXFRVYWDDI-UHFFFAOYSA-N 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000000377 silicon dioxide Substances 0.000 description 7
- 239000000661 sodium alginate Substances 0.000 description 7
- 235000010413 sodium alginate Nutrition 0.000 description 7
- 229940005550 sodium alginate Drugs 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 6
- ATFCOADKYSRZES-UHFFFAOYSA-N indium;oxotungsten Chemical compound [In].[W]=O ATFCOADKYSRZES-UHFFFAOYSA-N 0.000 description 6
- 238000000623 plasma-assisted chemical vapour deposition Methods 0.000 description 6
- 230000003956 synaptic plasticity Effects 0.000 description 6
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 5
- 239000004642 Polyimide Substances 0.000 description 5
- 239000004020 conductor Substances 0.000 description 5
- 239000008367 deionised water Substances 0.000 description 5
- 229910021641 deionized water Inorganic materials 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 239000004033 plastic Substances 0.000 description 5
- 229920003023 plastic Polymers 0.000 description 5
- 229920001721 polyimide Polymers 0.000 description 5
- 230000009782 synaptic response Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000000861 blow drying Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 230000005764 inhibitory process Effects 0.000 description 4
- 230000000873 masking effect Effects 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 238000004528 spin coating Methods 0.000 description 4
- 239000011787 zinc oxide Substances 0.000 description 4
- GYHNNYVSQQEPJS-UHFFFAOYSA-N Gallium Chemical compound [Ga] GYHNNYVSQQEPJS-UHFFFAOYSA-N 0.000 description 3
- 229920002125 Sokalan® Polymers 0.000 description 3
- 229910052681 coesite Inorganic materials 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 229910052906 cristobalite Inorganic materials 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229910052733 gallium Inorganic materials 0.000 description 3
- 229910052738 indium Inorganic materials 0.000 description 3
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 description 3
- 229920000609 methyl cellulose Polymers 0.000 description 3
- 239000001923 methylcellulose Substances 0.000 description 3
- 235000010981 methylcellulose Nutrition 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000004584 polyacrylic acid Substances 0.000 description 3
- 229910021426 porous silicon Inorganic materials 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 235000012239 silicon dioxide Nutrition 0.000 description 3
- 229910052682 stishovite Inorganic materials 0.000 description 3
- 229910052905 tridymite Inorganic materials 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005229 chemical vapour deposition Methods 0.000 description 2
- 238000005566 electron beam evaporation Methods 0.000 description 2
- 230000002964 excitative effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000005669 field effect Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 238000002207 thermal evaporation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 229910052727 yttrium Inorganic materials 0.000 description 2
- 208000000044 Amnesia Diseases 0.000 description 1
- 208000031091 Amnestic disease Diseases 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- MCMNRKCIXSYSNV-UHFFFAOYSA-N ZrO2 Inorganic materials O=[Zr]=O MCMNRKCIXSYSNV-UHFFFAOYSA-N 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 230000006986 amnesia Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- -1 bulk oxide media Polymers 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052593 corundum Inorganic materials 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002858 neurotransmitter agent Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 229910001845 yogo sapphire Inorganic materials 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N70/00—Solid-state devices having no potential barriers, and specially adapted for rectifying, amplifying, oscillating or switching
- H10N70/20—Multistable switching devices, e.g. memristors
- H10N70/253—Multistable switching devices, e.g. memristors having three or more electrodes, e.g. transistor-like devices
-
- H—ELECTRICITY
- H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N70/00—Solid-state devices having no potential barriers, and specially adapted for rectifying, amplifying, oscillating or switching
- H10N70/011—Manufacture or treatment of multistable switching devices
-
- H—ELECTRICITY
- H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N70/00—Solid-state devices having no potential barriers, and specially adapted for rectifying, amplifying, oscillating or switching
- H10N70/801—Constructional details of multistable switching devices
- H10N70/841—Electrodes
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Thin Film Transistor (AREA)
Abstract
本发明公开了一种仿生突触器件及其制作方法和应用。具体涉及一种具有尖峰时间依赖可塑性学习行为的仿生突触器件，所述仿生突触器件包括：栅电极(2)，所述栅电极的方块电阻为30～800Ω/□；且所述栅电极用作仿生突触器件的突触前端；栅介质层(3)，所述栅介质层包含具有质子导电特性的固态电解质；沟道(4)；且所述沟道层用作仿生突触器件的突触后端；以及源极(5a)及漏极(5b)。该仿生突触器件可以在单一器件上实现不同线型尖峰时间依赖可塑性学习行为，并极大地简化了电路设计，在神经形态器件和人工智能等领域具有重要的应用前景。
Description
技术领域
本发明涉及人工智能技术领域，具体涉及一种具有尖峰时间依赖可塑性 (STDP)学习行为的氧化物仿生突触器件及其制作方法及其应用。
背景技术
自20世纪50年代John McCarthy提出的旨在模拟人类大脑工作模式的“人工智能(AI)”这个术语以来，人工智能已经发展了几十年。近年来，随着大数据时代的到来，并随着微电子技术的发展和计算机技术的进步，尤其是在“AlphaGo”面世之后，AI技术越来越受到了人们的关注，将对人们的生产和生活方式产生巨大影响。然而，值得注意的是，目前的AI技术主要采用冯诺依曼结构结合人工神经网络算法的优化来实现。在冯诺依曼结构中，计算单元和存储单元相互分离，其并行运算能力受到极大限制，并且运行时的能耗较高，且AI技术的进步也极大地依赖于集成电路技术的革新。因此，通过冯诺依曼结构来构建人工神经网络面临了一定的挑战。人脑具有～1011个神经元和～1015个突触，是一个高度平行且动态变化的神经网络。作为神经元连接的突触结构可以将前端神经元的电信号或化学信号传递给后端神经元，它是神经递质传递信息和人脑认知行为的基本单元。因此，基于单一固态器件来模拟生物突触响应，并从硬件层面出发实现人工神经网络和神经形态系统的构建将成为今后人工智能发展的有力补充和增长点。
近年来，两端阻变器件被应用于模拟生物突触响应，如阻变忆阻器、原子开关和相变存储器等，两端阻变器件的两个电极被看作是突触前端和突触后端，器件电阻的非易失性变化被视作了人造突触中的突触响应。场效应晶体管 (FET)也被提出于人造突触器件的应用，如有机纳米颗粒场效应晶体管、离子/ 电子杂化突触晶体管、铁电/类铁电突触晶体管等。在场效应晶体管中，可以由栅电极有效控制沟道导电性，其信息的传递与学习过程可以同步进行，这与生物突触中信息的传递和学习同步进行的过程相似。到目前为止，人们已经在一些两端和三端式人造突触器件上实现了部分突触响应功能，如兴奋/抑制性突触后电流(EPSC/IPSC)、双脉冲易化(PPF)以及短程突触可塑性(STP)到长程突触可塑性(LTP)的转变等。值得指出的是，生物突触响应功能复杂多样，为了实现各种不同的生物突触响应，需要对人造突触器件从材料和器件结构方面进行设计，进而在单一固态器件上实现相应的突触响应功能，这是类脑神经形态器件研究中的重要原则之一。
尖峰时间依赖可塑性(STDP)是一类重要的生物神经元时空学习法则，在大脑学习和认知行为中起着至关重要的作用，其反映了前后突触刺激时间间隔对突触响应强度和突触连接强度的动态调整原则。薄膜晶体管(Thin-film transistor,TFTs)是一种典型的场效应器件，在柔性电子器件、有源矩阵显示器件等领域有着广泛应用。然而传统氧化物薄膜晶体管由于器件结构和栅介质材料的限制，其工作电压较高，并且通常不具备动态学习和记忆能力。因此，探索新型工艺简单、低工作电压的氧化物薄膜晶体管，并且实现晶体管的学习行为对类脑智能器件和系统应用具有重要的现实意义。
综上所述，本领域迫切需要开发一种具有尖峰时间依赖可塑性(STDP)学习行为的氧化物仿生突触器件，以及所述仿生突触器件的制作方法，以及包括所述仿生突触器件在人工智能领域的应用。
发明内容
本发明的目的就是一种具有尖峰时间依赖可塑性(STDP)学习行为的氧化物仿生突触器件，以及所述仿生突触器件的制作方法，以及包括所述仿生突触器件在人工智能领域的应用。
在本发明的第一方面，提供了一种仿生突触器件，所述仿生突触器件包括：
栅电极(2)，所述栅电极作为仿生突触器件的突触前端；
栅介质层(3)，所述栅介质层包含具有质子导电特性的固态电解质；
沟道层(4)；所述沟道层作为仿生突触器件的突触后端；以及
源极(5a)及漏极(5b)；
其中，所述栅电极的方块电阻为30～800Ω/□。
在另一优选例中，在所述仿生突触器件中：
所述栅电极与所述栅介质层电连接；
所述栅介质层与所述沟道层电连接；和
源极及漏极分别与所述沟道层电连接。
在另一优选例中，所述的仿生突触器件还包括绝缘衬底(1)。
在另一优选例中，所述栅电极位于绝缘衬底之上。
在另一优选例中，在所述仿生突触器件中：
所述栅介质层位于所述栅电极之上或所述栅电极及所述绝缘衬底之上；
所述沟道层位于所述栅介质层之上；以及
所述源极及漏极位于所述栅介质层之上且所述沟道层位于所述源极及漏极之间，或者，所述源极及漏极位于所述沟道层之上。
在另一优选例中，所述绝缘衬底为玻璃衬底、塑料衬底或聚酰亚胺衬底。
在另一优选例中，所述栅电极的方块电阻为50～500Ω/□。
在另一优选例中，所述栅电极的载流子浓度为1019～1021/cm3。
在另一优选例中，所述栅电极的厚度为50～500nm。
在另一优选例中，所述栅电极包含导电氧化物。
在另一优选例中，在所述栅电极中，所述导电氧化物选自下组：铟锡氧化物(InSnO)、铟锌氧化物(InZnO)、铝锌氧化物(AZO)，或其组合。
在另一优选例中，所述源极及漏极的电阻率≤5×10-3Ω·cm。
在另一优选例中，源极及漏极包含导电材料。
在另一优选例中，所述源极、所述漏极及所述栅电极所用的导电材料是相同或不同的导电材料。
在另一优选例中，所述源极及漏极的厚度各自独立地＞50nm；优选地，厚度为50～500nm。
在另一优选例中，在所述栅介质层中，所述固态电解质在0～30℃下具有质子导电特性。
在另一优选例中，所述固态电解质在4～30℃下具有质子导电特性。
在另一优选例中，在所述栅介质层中，所述固态电解质的质子电导率为 10-6S/cm～10-2S/cm。
在另一优选例中，所述固态电解质选自下组：壳聚糖、海藻酸钠、甲基纤维素、疏松的氧化物介质或聚丙烯酸。
在另一优选例中，所述疏松的氧化物介质选自下组：多孔二氧化硅颗粒、多孔Al2O3、多孔ZrO2、多孔WO3或其组合。
在另一优选例中，所述沟道层包含氧化物半导体。
在另一优选例中，所述沟道层的载流子浓度为1019～1021/cm3。
在另一优选例中，在所述沟道层中，所述氧化物半导体选自下组：氧化锌 (ZnO)、铟锡氧化物(InSnO)、铟钨氧化物(InWO)、铟锌氧化物(InZnO)、铟镓锌氧化物(InGaZnO)，或其组合。
在另一优选例中，所述沟道层的厚度为7nm～100nm。
本发明的第二方面提供了一种如第一方面所述的仿生突触器件的制作方法，包括步骤：
(a)提供一绝缘衬底；
(b)在所述绝缘衬底上图形化或非图形化沉积导电氧化物，形成栅电极；
(c)在所述栅电极上或所述栅电极及所述绝缘衬底上，沉积或涂抹固态电解质，形成栅介质层；
(d)在所述栅介质层上，图形化或非图形化沉积氧化物半导体，形成沟道层；以及
(e)在所述沟道层上或者在所述栅介质层上，图形化沉积导电氧化物或金属，形成源极及漏极。
在另一优选例中，步骤(a)中，所述绝缘衬底为玻璃衬底、塑料衬底或聚酰亚胺衬底。
在另一优选例中，步骤(b)中，所述导电氧化物选自下组：铟锡氧化物、铟锌氧化物、铝锌氧化物，或其组合。
在另一优选例中，步骤(c)中，所述固态电解质为在0～30℃下具有质子导电特性的固态电解质；优选地，所述固态电解质选自下组：壳聚糖、海藻酸钠、甲基纤维素、疏松的氧化物介质或聚丙烯酸。
在另一优选例中，步骤(d)中，所述氧化物半导体选自下组：氧化锌、铟锡氧化物、铟钨氧化物、铟锌氧化物、铟镓锌氧化物，或其组合。
在另一优选例中，步骤(e)中，所述导电氧化物选自下组：铟锡氧化物、铟锌氧化物、铝锌氧化物，或其组合。
在另一优选例中，步骤(b)及步骤(e)中导电氧化物是相同的或不同的；优选地，是相同的。
在另一优选例中，步骤(a)包括步骤清洗所述绝缘衬底；优选地，依次通过酒精、去离子水清洗，并干燥；更优选地，通过酒精、去离子水超声清洗，并通过氮气吹干。
在另一优选例中，步骤(c)中，通过化学气相沉积技术(优选地，等离子增强化学气相沉积技术(PECVD))沉积所述固态电解质，或者通过旋涂法涂抹所述固态电解质。
在另一优选例中，步骤(d)中，通过磁控溅射技术图形化或非图形化沉积氧化物半导体。
在另一优选例中，步骤(e)中，通过磁控溅射技术和任选的二次掩膜技术图形化沉积导电氧化物；或者，通过热蒸发或电子束蒸发技术和任选的二次掩膜技术图形化沉积金属薄膜。
本发明的第三方面提供了一种仿生突触系统，所述仿生突触系统包括：
(i)如第一方面所述的仿生突触器件；和
(ii)信号发生/检测模块，所述信号发生/检测模块与所述的仿生突触器件电连接，并且所述信号发生/检测模块用于产生电刺激信号并输送给所述的仿生突触器件，和/或检测来自所述仿生突触器件的反馈信号。
在另一优选例中，所述的信号发生/检测模块设有第一端口、第二端口及接地端口。
在另一优选例中，所述第一端口与作为突触前端所述栅电极形成电连接。
在另一优选例中，所述第二端口与所述漏极形成电连接，且通过漏极与用作突触后端的所述沟道层形成电连接。
在另一优选例中，所述接地端口与所述源极形成电连接。
在另一优选例中，所述第二端口用于向所述仿生突触器件施加后端刺激及读取突触权重。
在另一优选例中，所述第一端口用于向所述仿生突触器件施加前端刺激。
在另一优选例中，所述仿生突触系统还包括突触权重输出模块，所述突触权重输出模块用于输出通过向所述仿生突触器件施加前端刺激和/或后端刺激时形成的突触权重。
在另一优选例中，所述信号发生/检测模块用于生成突触刺激信号；优选地，所述突触刺激信号包括前端突触刺激信号及后端突触刺激信号。
在另一优选例中，所述信号发生/检测模块还用于生成电压脉冲读取沟道层电流。
本发明的第四方面提供了一种仿生电子产品，所述的仿生电子产品包括如第一方面所述的仿生突触器件，或包括如第三方面所述的仿生突触系统。
本发明的第五方面提供了一种生物突触的模拟方法，所述方法包括步骤：
(1)提供如第一方面所述的仿生突触器件，
(2)生成突触刺激信号；并将所述突触刺激信号施加于所述的仿生突触器件的前端(即栅电极)和/或后端(即沟道层)；和
(3)获得基于所述仿生突触器件的生物突触的模拟结果。
在另一优选例中，所述方法还包括步骤：(4)重复步骤(2)和(3)m次，m为≥5的整数；较佳地m为≥10，更佳地m≥20。
在另一优选例中，所述方法还包括步骤：(5)根据步骤(3)的生物突触的模拟结果生成学习行为图像。
在另一优选例中，所述的生物突触的模拟结果包括：尖峰时间依赖可塑性 (STDP)的学习行为参数。
在另一优选例中，步骤(3)中，所述的学习行为参数为一一对应的导电率变量ξ与间隔时间Δtpost-pre，其中所述的时间间隔是指将所述突触刺激信号分别施加于所述的仿生突触器件的前端和后端的时间间隔。
在另一优选例中，Δtpost-pre为-500ms至500ms，较佳地-300ms至300ms， -200ms至200ms。
在另一优选例中，在步骤(3)中，包括步骤：基于突触权重，获得电导率变量ξ。
在另一优选例中，所述突触权重通过向所述仿生突触器件的沟道层施加电压脉冲，并读取沟道层电流获得。
在另一优选例中，所述的电导率变量ξ按下式I计算：
ξ＝100％×(W-W0)/W0，
式中，
W为突触权重；
W0为初始突触权重。
在另一优选例中，所述的生物突触的模拟结果以间隔时间Δtpost-pre－电导率变量ξ方式显示。
在另一优选例中，所述的生物突触的模拟结果以(x，y)数据点的方式绘制于X—Y坐标体系，其中x为间隔时间Δtpost-pre，y为电导率变量ξ。
在另一优选例中，步骤(2)包括步骤：
(2.1)向所述仿生突触器件的沟道层施加电压脉冲，并读取沟道层电流，得到初始突触权重W0；
(2.2)生成一对突触刺激信号，其中，所述一对突触刺激信号包括一前突触刺激信号及一后突触刺激信号且该对突触突触刺激信号的间隔时间为Δtpost-pre；
(2.3)向所述仿生突触器件的前端施加所述前突触刺激信号，并向所述的仿生突触器件的后端施加所述后突触刺激信号；及
(2.4)重复步骤(2.2)和(2.3)n-1次，n为≥2的正整数；
(2.5)施加完n对突触刺激信号后，向所述仿生突触器件的沟道层施加电压脉冲，并读取沟道层电流，得到突触权重W。
在另一优选例中，所述的突触刺激信号为脉冲信号。
在另一优选例中，所述的突触刺激信号包括正向波、负向波或其组合。
在另一优选例中，所述的突触刺激信号包括一个或多个波单元。
在另一优选例中，所述的波单元包括脉冲信号单元。
在另一优选例中，所述的脉冲信号单元为尖峰型(或三角形)。
在另一优选例中，所述突触刺激信号为包括1、2或3个相同或不同的正向波，及1、2或3个相同或不同负向波。
在另一优选例中，所述的突触刺激信号是由所述正向波及所述负向波组成的连续波形(即，相邻的正向及负向波是连续的)。
在另一优选例中，所述正向波与所述负向波是不同的。
在另一优选例中，所述正向波与所述负向波是交替排列的。
在另一优选例中，所述正向波和/或所述负向波为三角波。
在另一优选例中，所述的突触刺激信号包括一个正向波和一个负向波。
在另一优选例中，所述的突触刺激信号包括一个负向波和一个正向波。
在另一优选例中，所述的突触刺激信号包括一个负向波、一个正向波和一个负向波。
在另一优选例中，所述的突触刺激信号包括一个正向波、一个负向波和一个正向波。
在另一优选例中，在所述的突触刺激信号中，所述的正向波的波峰绝对值Hp 大于负向波的波峰绝对值Hn；和/或所述正向波的持续时间小于所述负向波。
在另一优选例中，Hp/Hn为1.5-10，较佳地2-5。
在另一优选例中，在所述的突触刺激信号中，所述的正向波的波峰绝对值Hp 小于负向波的波峰绝对值Hn；和/或，所述负向波的持续时间小于所述正向波。。
在另一优选例中，Hn/Hp为1.5-10，较佳地2-5。
在另一优选例中，所述的突触刺激信号具有基本上如图2(a)、3(a)、4(a) 所示的波形。
在另一优选例中，所述前端突触刺激信号及所述后端突触刺激信号是相同的或者不同的；优选地，所述前端突触刺激信号及所述后端突触刺激信号是相同的。
在另一优选例中，施加至突触前端和/或突触后端的所述突触刺激信号不同得到的尖峰时间依赖可塑性(STDP)学习行为不同。
应理解，在本发明范围内中，本发明的上述各技术特征和在下文(如实施例)中具体描述的各技术特征之间都可以互相组合，从而构成新的或优选的技术方案。限于篇幅，在此不再一一累述。
附图说明
图1(a)、1(b)及1(c)为本发明实施例的仿生突触器件结构示意图；
图2为本发明测试例中采用的具有双三角波型的前后突触刺激(a)及得到的STDP测试结果(b)；
图3为本发明测试例中采用的具有反双三角波型的前后突触刺激(a)及得到的STDP测试结果(b)；
图4为本发明测试例中采用的具有对称“W”三角波型的前后突触刺激(a) 及得到的STDP测试结果(b)。
图5(a)为本发明实施例的氧化物仿生突触器件结构示意图；图5(b)为施加于图5(a)的前后突触刺激；图5(c)为得到的STDP测试结果。
图6为本发明仿生系统的示意图。
在各附图中标识如下：
1为绝缘衬底、2为氧化物底栅电极、3为栅介质层(具有室温质子导电特性的固态电解质)、4为氧化物沟道层、5a为源极、5b为漏极。
具体实施方式
发明人经过广泛而深入的研究，通过在栅电极、栅介质层和/或沟道层中使用具有适当电学特性(如电阻率)的材料使得具有绝缘衬底、栅电极、栅介质层、沟道层和源极及漏极的器件意外地具有了模仿生物突触行为(例如，长时程记忆和遗忘过程)的能力。并基于此实现了本发明。
具体地，在氧化物薄膜晶体管中，采用室温(如0～30℃)质子导体电解质作为栅介质，能够显著降低器件的工作电压。此外，器件由于存在独特的界面双电层耦合效应和界面电化学过程而呈现了一定的认知行为。而且，采用氧化物沟道及氧化物栅电极，器件同样存在长时程增强和抑制行为，这一行为类似于生物突触中的长时程记忆和遗忘过程。基于这一特性，该氧化物薄膜晶体管可以作为仿生突触器件，并在器件上通过适当前后突触刺激而呈现尖峰时间依赖可塑性(STDP)学习行为。从而得到了本发明的仿生突触器件。
术语
如本文所用，术语“包含”是指开放式或者封闭式包含某种材料(如氧化物)；例如，本文中，“所述栅电极包含导电氧化物”，是指栅电极仅仅包含导电氧化物，或者包含导电氧化物和微量不影响本发明最终技术效果的杂质。
如本文所用，术语“导电材料”是指本领域中常用于制作导线电极的材料，一般具有良好的导电性。例如在本发明中，导电材料可以是常规的用于制作电极的金属。包括但不限于Ag、Au、Al、Cu、Ni、Mo、TiN或其组合，或者也可以本发明中栅电极所包含的导电氧化物，又或者其他具有良好的导电性的氧化物、半导体等。
如本文所述，术语“交替排列”是指正向波及负向波交替排列，例如，但不限于，正向波-负向波、负向波-正向波、或者负向波-正向波-负向波等。
如本文所用，术语“三角波”是指波峰的2侧为直线，且波峰的2侧与基线(电压为0)形成三角形，例如，但不限于，附图2(a)、3(a)及4(a)所示的正向波或负向波。
在本文中，所用的上、下、左、右是相对的，仅用于表示结构之间的相对关系。
如本文所用，术语“氧化物仿生突触器件”和“仿生突触器件”可以互换使用，是指本发明第一方面所述的仿生突触器件。
如本文所用，术语“沟道”或“沟道层”是可以互换使用的。
如本文所用，术语“栅介质”或“栅介质层”是可以互换使用的。
如本文所用，术语“栅电极”或“栅电极层”是可以互换使用的。
本发明针对现有氧化物薄膜晶体管技术在类脑突触电子学器件应用中的不足，提出一种氧化物仿生突触器件，该器件具有自我学习能力，并通过不同波形突触刺激的作用，可以实现器件的长时程增强和长时程抑制行为，还可以模仿不同类型的生物突触STDP学习行为。
仿生突触器件
在本发明提供了一种仿生突触器件，所述仿生突触器件包括：绝缘衬底、栅介质层、位于该栅介质层一侧的栅电极(优选为氧化物栅电极)，以及位于该栅介质层另一侧的源极及漏极(也可并称为源漏电极)、以及位于该源极和漏极之间的氧化物沟道层，该栅介质是具有室温质子导电特性的固态电解质。
具体地，采用具有适当电导率的导电氧化物层作为栅电极；采用具有室温 (如0～30℃)质子导电特性的固态电解质作为栅介质层；并采用氧化物半导体材料作为沟道层，所述沟道层具有电子导电特性；在沟道层上设置源漏电极，将栅电极和沟道分别视作突触前端和突触后端，可以在突触前端和突触后端上分别施加前突触刺激和后突触刺激(通过漏极向突触后端施加后突触刺激)，从而获得一个氧化物仿生突触器件，通过调整前后突触刺激的波形及时间间隔，可以有效调节突触器件的权重变化，实现对不同线型尖峰时间依赖可塑性学习行为的模仿。
在另一优选例中，作为栅电极的导电氧化物包含铟锡氧化物(InSnO)、铟锌氧化物(InZnO)或铝锌氧化物(AZO)。
在另一优选例中，该栅电极方块电阻为30～800Ω/□(优选50～500 Ω/□)，和/或载流子浓度为1019～1021/cm3。
在另一优选例中，该栅电极的厚度为50～500nm。
在另一优选例中，所述具有室温质子导电特性的固态电解质(用作栅介质层)为以下任意一种：壳聚糖膜、海藻酸钠膜、甲基纤维素膜、疏松的氧化物介质膜或聚丙烯酸膜。
在另一优选例中，所述具有质子导电特性的固态电解质的质子电导率为 10-6S/cm～10-2S/cm。
在另一优选例中，该沟道层所用的氧化物半导体材料选自以下组：氧化锌 (ZnO)、铟锡氧化物薄膜(InSnO)、铟钨氧化物薄膜(InWO)、铟锌氧化物薄膜 (InZnO)或铟镓锌氧化物薄膜(InGaZnO)。
在另一优选例中，该沟道层的厚度为7nm～100nm，载流子浓度为1019～ 1021/cm3。
仿生突触器件的制作方法
本发明提供了一种仿生突触器件的制作方法，包括步骤：
(1)提供一绝缘衬底；
(2)在所述绝缘衬底上图形化或非图形化沉积导电氧化物，形成栅电极；
(3)在所述栅电极上或所述栅电极及所述绝缘衬底上，沉积或涂抹固态电解质，形成栅介质层；
(4)在所述栅介质层上，图形化或非图形化沉积氧化物半导体，形成沟道层；以及
(5)在所述沟道上或者在所述栅介质层上，图形化沉积导电氧化物或金属，形成源极及漏极。
在另一优选例中，步骤(3)中，通过化学气相沉积技术(优选地，等离子增强化学气相沉积技术(PECVD))沉积所述固态电解质，或者通过旋涂法涂抹所述固态电解质。
在另一优选例中，步骤(4)中，通过磁控溅射技术图形化或非图形化沉积氧化物半导体。
在另一优选例中，步骤(5)中，通过磁控溅射技术和任选的二次掩膜技术图形化沉积导电氧化物；或者，通过热蒸发或电子束蒸发技术和任选的二次掩膜技术图形化沉积金属。
仿生系统
如图6所示，本发明提供了一种仿生系统，所述仿生系统包括如前述的仿生突触器件、信号发生/检测模块；
其中，所述信号发生/检测模块设有第一端口、第二端口及接地端口；
所述第一端口与用作突触前端所述栅电极连接；
所述第二端口与所述漏极连接，且通过漏极与用作突触后端的所述沟道层连接；以及
所述接地端口与所述源极连接。
在另一优选例中，所述第二端口用于向所述仿生突触器件施加后端刺激及读取突触权重。
在另一优选例中，所述第一端口用于向所述仿生突触器件施加前端刺激。
在另一优选例中，所述仿生系统还包括突触权重输出模块，所述突触权重输出模块用于输出通过向所述仿生突触器件施加前端刺激和/或后端刺激时形成的突触权重。
仿生电子产品
本发明还提供了一种仿生电子产品，该仿生电子产品包括本发明提供的仿生突触器件或包括本发明提供的仿生系统。
生物突触的模拟方法
本发明还提供了实现不同尖峰时间依赖可塑性学习行为(即模仿生物突触学习行为)的方法，如图5所示，采用具有一定时间间隔的前后突触刺激分别作用于突触前端和突触后端，前后突触刺激波形包括双三角波、反双三角波和对称“W”三角波形，实现不同类型的STDP学习法则。
具体地，如图2、图3及图4所示，在操作过程中，首先在漏极上施加电压脉冲(例如电压为0.1V的电压脉冲)并读取沟道电流(例如通过信号发生和检测装置，从与沟道电连接的漏极上读取)作为初始突触权重(W0)；然后分别在突触前端和突触后端上施加前端刺激和后端刺激(如图2(a)、图3(a)及图4(a) 所示)，其中前端刺激与后端刺激的时间间隔为Δtpost-pre，多次施加间隔时间为Δtpost-pre的前端刺激和后端刺激对后，在漏极上施加电压脉冲读取沟道电流作为突触权重(W)，此时获得电导率变量ξ，ξ＝100％×(W-W0)/W0，从而获得一组ξ-Δtpost-pre参数。类似地，改变Δtpost-pre并获得相应的电导率变量ξ，进而获得电导率变量ξ与时间间隔(Δtpost-pre)的关系曲线(如图2(b)、图3(b)及图4(b)所示)。
本发明的主要优点包括
(1)本发明的仿生突触器件采用室温质子导体作为栅介质，有效降低了器件工作电压。
(2)采用氧化物材料作为栅电极，同时采用氧化物半导体材料作为沟道层，均具有电子导电特性，在电脉冲刺激下，沟道导电性可以呈现长时程衰减和长时程增强特性。从而丰富突触响应行为。
(3)本发明的仿生突触器件在各种刺激波形的作用下，在单一器件上实现了多种类型的STDP学习行为。并极大地简化了电路设计，在神经形态器件和人工智能等领域具有重要的应用前景。
(4)本发明的仿生突触器件具有良好的晶体管性能，并具有很好的自我学习能力。
(5)本发明的仿生突触器件制作工艺简单易行，工艺成本低廉。
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。下列实施例中未注明具体条件的实验方法，通常按照常规条件，或按照制造厂商所建议的条件。除非另外说明，否则百分比和份数是重量百分比和重量份数。
实施例1：
本实施例中，如图1(a)所示，绝缘衬底1选择玻璃衬底，导电层2选择铟锡氧化物薄膜(InSnO)，栅介质层3选择壳聚糖薄膜，沟道层4选择铟锡氧化物薄膜(InSnO)。
氧化物仿生突触器件的制作方法包括如下步骤：
步骤1：依次采用酒精、去离子水超声清洗玻璃衬底并用氮气枪吹干，随后在玻璃衬底1表面沉积InSnO薄膜导电层2；
步骤2：在导电层2上，采用旋涂法制备壳聚糖膜3，壳聚糖栅介质膜厚度为12微米；
步骤3：在壳聚糖薄膜3上，采用磁控溅射技术沉积图形化InSnO沟道层 4，并在图形化InSnO沟道两侧形成图形化InSnO源漏电极5a和5b，沟道厚度为20nm。
将栅电极作为突触前端，将沟道作为突触后端，可以在前端和后端上分别施加前后突触刺激，从而得到氧化物仿生突触器件。
实施例2：
本实施例中，如图1(b)所示，绝缘衬底1选择塑料衬底，导电层2选择铟锌氧化物薄膜(InZnO)，栅介质层3选择多孔二氧化硅薄膜，沟道层4选择铟锌氧化物薄膜(InZnO)。
氧化物仿生突触器件的制作方法包括如下步骤：
步骤1：依次采用酒精、去离子水超声清洗塑料衬底并用氮气枪吹干，随后在塑料衬底6表面沉积图形化InZnO薄膜导电层2；
步骤2：在导电层2上，采用等离子体增强化学气相沉积(PECVD)技术沉积多孔二氧化硅颗粒栅介质膜3，多孔二氧化硅颗粒膜厚度为2微米；
步骤3：在多孔二氧化硅颗粒栅介质膜3上，采用磁控溅射技术制作图形化InZnO沟道层4、并在图形化InZnO沟道两侧沉积图形化InZnO源漏电极5a 和5b，沟道层厚度为30nm，源漏电极厚度为150nm。
将栅电极作为突触前端，将沟道作为突触后端，可以在前端和后端上分别施加前后突触刺激，从而得到氧化物仿生突触器件。
实施例3：
本实施例中，如图1(c)所示，绝缘衬底1选择聚酰亚胺衬底，导电层2 选择铝锌氧化物薄膜(AZO)，栅介质层3选择海藻酸钠薄膜，沟道层4选择铟钨氧化物薄膜(InWO)。
氧化物仿生突触器件的制作方法包括如下步骤：
步骤1：依次采用酒精、去离子水超声清洗聚酰亚胺衬底并用氮气枪吹干，随后在聚酰亚胺衬底1表面沉积铝锌氧化物薄膜(AZO)导电层2；
步骤2：在导电层2上，采用旋涂法制备海藻酸钠薄膜3，海藻酸钠薄膜厚度为8微米，作为栅介质层；
步骤3：在海藻酸钠栅介质膜3上，采用磁控溅射技术沉积铟钨氧化物薄膜(InWO)作为沟道层4，沟道厚度约为40nm。
步骤4：采用磁控溅射技术，结合二次掩膜工艺在铟钨氧化物薄膜(InWO) 薄膜上沉积图形化铟锡氧化物薄膜(InSnO)作为源极5a和漏极5b
将栅电极作为突触前端，将沟道作为突触后端，可以在前端和后端上分别施加前后突触刺激，从而得到氧化物仿生突触器件。
测试例1：
在操作过程中，首先在漏极上施加电压(电压为0.1V)脉冲读取沟道电流作为初始突触权重(W0)，然后在制作的氧化物仿生突触器件的突触前端和突触后端上施加如图2(a)所示的具有双三角波型的前后突触刺激，其中正向三角波的强度高于负向三角波的强度，而正向三角波的持续时间小于负向三角波的持续时间，前突触刺激与后突触刺激的时间间隔为Δtpost-pre，多次施加前端刺激和后端刺激对后，在漏极上施加电压脉冲读取沟道电流作为突触权重(W)，此时获得电导率变量ξ，ξ＝100％×(W-W0)/W0，从而获得如图2(b)所示的尖峰时间依赖可塑性(STDP)学习行为。
每次测试中，在多次施加前端刺激和后端刺激对后，仿生突触器件的初始权重经过学习后改变，在开始下一轮测试需对初始突触权重(W0)重新测试。
下表列出了图2(b)的部分测试数据，及获得的电导率变量ξ值。其中，对于测试结果，以(x，y)数据点的方式绘制于X—Y坐标体系，其中x为间隔时间Δtpost-pre，y为电导率变量ξ。
表1生物突触的模拟结果(基于Δtpost-pre的电导率变量ξ值)
*各点编号不代表实验中测试顺序。在图2(b)中有50多个，表1中列出了 18个数据点
令人出乎意料的是，在各个数据点的测定过程中(各数据点测定之间的时间间隔为1-60分钟不等)，初始突触权重W0并不是一成不变的，而是部分地受到之前突触刺激的影响(即在先的突触刺激会残留下了一部分影响)。这一现象与生物突触在学习后留下一定的影响或记忆有相似之处。这表明，本发明的仿生突触器件具有更优异的仿生性能。
相似地，在制作的氧化物仿生突触器件的突触前端和突触后端上施加如图 3(a)所示的具有反双三角波型的前后突触刺激，其中正向三角波的强度低于负向三角波的强度，而正向三角波的持续时间小于负向三角波的持续时间，前突触刺激与后突触刺激的时间间隔为Δtpost-pre，多次施加前端刺激和后端刺激对后，可以得到如图3(b)所示的尖峰时间依赖可塑性(STDP)学习行为。
类似的，在制作的氧化物仿生突触器件的突触前端和突触后端上施加如图 4(a)所示的具有对称“W”三角波型的前后突触刺激，其中正向三角波的强度高于负向三角波的强度，前突触刺激与后突触刺激的时间间隔为Δtpost-pre，多次施加前端刺激和后端刺激对后，可以得到如图4(b)所示的尖峰时间依赖可塑性(STDP)学习行为。故制作的氧化物仿生突触器件能在多种不同波形刺激下获得具有不同线型的STDP学习行为。
测试例2
采用InSnO薄膜作为栅电极(其方块电阻为90Ω/□，电阻率为9×10-4Ω·cm, 在其上依次制备壳聚糖栅介质薄膜、InSnO沟道层和图形化InSnO源漏电极，获得了氧化物仿生突触器件。然后在突触前端和突触后端上施加前后突触刺激，该刺激与图2(a)所示的刺激不同，不存在负向脉冲，即该刺激为单一正向三角波。此时，发现无法实现有效的长时程抑制效果。
对比例1
采用金属银(Ag)薄膜作为栅电极，在其上依次制备壳聚糖栅介质薄膜、 InSnO沟道层和图形化InSnO源漏电极，获得了氧化物仿生突触器件。
随后在突触前端和突触后端上施加如图2(a)所示的前后突触刺激，器件权重仅仅呈现了长时程增强效果，无法得到长时程抑制效果，无法实现本发明的仿生突触器件的技术效果。
该结果表明，当栅电极为常规导电金属材料时，无法形成有效的仿生突触器件。
对比例2
采用InSnO薄膜作为栅电极(其方块电阻为5Ω/□，电阻率为9×10-5Ω·cm，载流子密度为2×1022/cm3),在其上依次制备壳聚糖栅介质薄膜、InSnO沟道层和图形化InSnO源漏电极，获得了氧化物仿生突触器件。然后在突触前端和突触后端上施加如图3(a)所示的刺激，发现无法得到如图3(b)所示的STDP行为。进而证明了本发明提出的氧化物仿生突触器件的技术效果。
该结果表明，当导电氧化物栅电极的电阻率极小时，无法形成有效的仿生突触器件。
对比例3
采用n++-Si/SiO2作为衬底，其中n++-Si作为薄膜晶体管的栅电极，SiO2作为薄膜晶体管的栅介质，它是通过热氧化法得到，厚度为100nm，栅介质不存在室温质子导电特性，其质子电导率<10-8S/cm。然后在SiO2栅介质上沉积 InSnO沟道层和图形化InSnO源漏电极，获得了氧化物仿生突触器件。然后在突触前端和突触后端上施加如图2(a)所示的刺激，发现器件无法实现长时程增强效果和长时程抑制效果，进而证明了本发明提出的氧化物仿生突触器件的技术效果。
该结果表明，当栅介质不具备质子导电特性时，无法形成有效的仿生突触器件。
在本发明提及的所有文献都在本申请中引用作为参考，就如同每一篇文献被单独引用作为参考那样。此外应理解，在阅读了本发明的上述讲授内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (10)
1.一种仿生突触器件，其特征在于，所述仿生突触器件包括：
栅电极(2)，所述栅电极作为仿生突触器件的突触前端；
栅介质层(3)，所述栅介质层包含具有质子导电特性的固态电解质；
沟道层(4)；所述沟道层作为仿生突触器件的突触后端；以及
源极(5a)及漏极(5b)；
其中，所述栅电极的方块电阻为30～800Ω/□。
2.如权利要求1所述的仿生突触器件，其特征在于，所述栅电极的载流子浓度为1019～1021/cm3。
3.如权利要求1所述的仿生突触器件，其特征在于，所述栅电极包含导电氧化物。
4.如权利要求1所述的仿生突触器件，其特征在于，在所述栅介质层中，所述固态电解质在0～30℃下具有质子导电特性。
5.如权利要求1所述的仿生突触器件，其特征在于，在所述栅介质层中，所述固态电解质的质子电导率为10-6S/cm～10-2S/cm。
6.如权利要求1所述的仿生突触器件，其特征在于，所述沟道层包含氧化物半导体。
7.一种如权利要求1所述的仿生突触器件的制作方法，其特征在于，包括步骤：
(a)提供一绝缘衬底；
(b)在所述绝缘衬底上图形化或非图形化沉积导电氧化物，形成栅电极；
(c)在所述栅电极上或所述栅电极及所述绝缘衬底上，沉积或涂抹固态电解质，形成栅介质层；
(d)在所述栅介质层上，图形化或非图形化沉积氧化物半导体，形成沟道层；以及
(e)在所述沟道层上或者在所述栅介质层上，图形化沉积导电氧化物或金属，形成源极及漏极。
8.一种仿生突触系统，其特征在于，所述仿生突触系统包括：
(i)如权利要求1所述的仿生突触器件；和
(ii)信号发生/检测模块，所述信号发生/检测模块与所述的仿生突触器件电连接，并且所述信号发生/检测模块用于产生电刺激信号并输送给所述的仿生突触器件，和/或检测来自所述仿生突触器件的反馈信号。
9.一种仿生电子产品，其特征在于，所述的仿生电子产品包括如权利要求1所述的仿生突触器件，或包括如权利要求8所述的仿生突触系统。
10.一种生物突触的模拟方法，其特征在于，所述方法包括步骤：
(1)提供如权利要求1中所述的仿生突触器件，
(2)生成突触刺激信号；并将所述突触刺激信号施加于所述的仿生突触器件的前端(即栅电极)和/或后端(即沟道层)；和
(3)获得基于所述仿生突触器件的生物突触的模拟结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810797121.1A CN110739393B (zh) | 2018-07-19 | 2018-07-19 | 一种仿生突触器件及其制作方法及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810797121.1A CN110739393B (zh) | 2018-07-19 | 2018-07-19 | 一种仿生突触器件及其制作方法及其应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110739393A true CN110739393A (zh) | 2020-01-31 |
| CN110739393B CN110739393B (zh) | 2023-01-24 |
Family
ID=69233854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810797121.1A Active CN110739393B (zh) | 2018-07-19 | 2018-07-19 | 一种仿生突触器件及其制作方法及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110739393B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111276603A (zh) * | 2020-02-17 | 2020-06-12 | 中国科学院微电子研究所 | 氧化物基电子突触器件及其阵列 |
| CN111430477A (zh) * | 2020-03-23 | 2020-07-17 | 深圳先进技术研究院 | 光电突触晶体管及其制作方法、神经处理系统 |
| CN111739944A (zh) * | 2020-07-07 | 2020-10-02 | 上海大学 | 一种全包围栅极突触晶体管、制备方法及电路连接方法 |
| CN111833945A (zh) * | 2020-07-30 | 2020-10-27 | 中国电子科技集团公司第五十八研究所 | 一种浮栅型flash突触器件结构 |
| CN113113535A (zh) * | 2021-03-30 | 2021-07-13 | 天津理工大学 | 一种基于MoS2的全固态电解质忆阻器及其制备方法 |
| CN113629185A (zh) * | 2020-05-06 | 2021-11-09 | 中国科学院物理研究所 | 基于电解质调控强关联氧化物的突触三端器件 |
| CN114944440A (zh) * | 2022-06-17 | 2022-08-26 | 复旦大学 | 一种仿生视觉神经突触器件及其制备方法 |
| CN115112268A (zh) * | 2021-03-18 | 2022-09-27 | 中国科学院宁波材料技术与工程研究所 | 触觉传感器及其制造方法 |
| CN115548128A (zh) * | 2022-12-05 | 2022-12-30 | 浙江大学杭州国际科创中心 | 一种铁电半导体器件、制备方法以及实现多铁电相的方法 |
| JP2023013949A (ja) * | 2021-07-16 | 2023-01-26 | 韓国科学技術院 | シナプス素子、これを含むリザーバーコンピューティング装置、及びこれを利用したリザーバーコンピューティング方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120284218A1 (en) * | 2010-10-20 | 2012-11-08 | Peking University | Neuron device and neural network |
| US20170047513A1 (en) * | 2014-04-21 | 2017-02-16 | University Of Washington | Proton resistive memory devices and methods |
| CN106654006A (zh) * | 2016-11-10 | 2017-05-10 | 河北大学 | 一种基于SiO2神经仿生层的神经仿生器件及其制备方法 |
-
2018
- 2018-07-19 CN CN201810797121.1A patent/CN110739393B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120284218A1 (en) * | 2010-10-20 | 2012-11-08 | Peking University | Neuron device and neural network |
| US20170047513A1 (en) * | 2014-04-21 | 2017-02-16 | University Of Washington | Proton resistive memory devices and methods |
| CN106654006A (zh) * | 2016-11-10 | 2017-05-10 | 河北大学 | 一种基于SiO2神经仿生层的神经仿生器件及其制备方法 |
Non-Patent Citations (1)
| Title |
|---|
| YU, F ET AL.: "Chitosan-Based Polysaccharide-Gated Flexible Indium Tin Oxide Synaptic Transistor with Learning Abilities", 《ACS APPLIED MATERIALS & INTERFACES》, 16 May 2018 (2018-05-16), pages 2 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111276603A (zh) * | 2020-02-17 | 2020-06-12 | 中国科学院微电子研究所 | 氧化物基电子突触器件及其阵列 |
| CN111430477A (zh) * | 2020-03-23 | 2020-07-17 | 深圳先进技术研究院 | 光电突触晶体管及其制作方法、神经处理系统 |
| CN113629185A (zh) * | 2020-05-06 | 2021-11-09 | 中国科学院物理研究所 | 基于电解质调控强关联氧化物的突触三端器件 |
| CN111739944A (zh) * | 2020-07-07 | 2020-10-02 | 上海大学 | 一种全包围栅极突触晶体管、制备方法及电路连接方法 |
| CN111739944B (zh) * | 2020-07-07 | 2021-06-01 | 上海大学 | 一种全包围栅极突触晶体管、制备方法及电路连接方法 |
| CN111833945A (zh) * | 2020-07-30 | 2020-10-27 | 中国电子科技集团公司第五十八研究所 | 一种浮栅型flash突触器件结构 |
| CN115112268A (zh) * | 2021-03-18 | 2022-09-27 | 中国科学院宁波材料技术与工程研究所 | 触觉传感器及其制造方法 |
| CN113113535A (zh) * | 2021-03-30 | 2021-07-13 | 天津理工大学 | 一种基于MoS2的全固态电解质忆阻器及其制备方法 |
| JP2023013949A (ja) * | 2021-07-16 | 2023-01-26 | 韓国科学技術院 | シナプス素子、これを含むリザーバーコンピューティング装置、及びこれを利用したリザーバーコンピューティング方法 |
| JP7544362B2 (ja) | 2021-07-16 | 2024-09-03 | 韓国科学技術院 | シナプス素子、これを含むリザーバーコンピューティング装置、及びこれを利用したリザーバーコンピューティング方法 |
| CN114944440A (zh) * | 2022-06-17 | 2022-08-26 | 复旦大学 | 一种仿生视觉神经突触器件及其制备方法 |
| CN114944440B (zh) * | 2022-06-17 | 2024-03-05 | 复旦大学 | 一种仿生视觉神经突触器件及其制备方法 |
| CN115548128A (zh) * | 2022-12-05 | 2022-12-30 | 浙江大学杭州国际科创中心 | 一种铁电半导体器件、制备方法以及实现多铁电相的方法 |
| CN115548128B (zh) * | 2022-12-05 | 2023-04-14 | 浙江大学杭州国际科创中心 | 一种铁电半导体器件、制备方法以及实现多铁电相的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110739393B (zh) | 2023-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110739393B (zh) | 一种仿生突触器件及其制作方法及其应用 | |
| Wan et al. | Proton conducting graphene oxide coupled neuron transistors for brain-inspired cognitive systems | |
| He et al. | Electric-double-layer transistors for synaptic devices and neuromorphic systems | |
| Zhu et al. | Artificial synapse network on inorganic proton conductor for neuromorphic systems | |
| Liu et al. | All-in-one metal-oxide heterojunction artificial synapses for visual sensory and neuromorphic computing systems | |
| Yang et al. | Long-term synaptic plasticity emulated in modified graphene oxide electrolyte gated IZO-based thin-film transistors | |
| Gou et al. | Artificial synapses based on biopolymer electrolyte-coupled SnO 2 nanowire transistors | |
| CN109460819B (zh) | 一种用于模拟生物体光突触的方法及器件 | |
| Zeng et al. | Learning processes modulated by the interface effects in a Ti/conducting polymer/Ti resistive switching cell | |
| CN109447250A (zh) | 一种基于忆阻器中电池效应的人工神经元 | |
| Ye et al. | Self-powered perception system based on triboelectric nanogenerator and artificial neuron for fast-speed multilevel feature recognition | |
| CN111834530B (zh) | 一种基于单晶钙钛矿的两端人工突触及其制备方法 | |
| Wang et al. | Laterally coupled 2D MoS 2 synaptic transistor with ion gating | |
| Fu et al. | Proton conducting C3N4/Chitosan composite electrolytes based InZnO thin film transistor for artificial synapse | |
| Long et al. | Global modulatory heterosynaptic mechanisms in bio-polymer electrolyte gated oxide neuron transistors | |
| Dayal et al. | Linear weight update and large synaptic responses in neuromorphic devices comprising pulsed-laser-deposited BiFeO3 | |
| CN117042552A (zh) | 一种电解质栅控晶体管阵列及其高精度集成方法、高离子电导率的准固态电解质及其应用 | |
| CN110797459B (zh) | 一种铁电调控的两端导电聚合物人工突触器件及制备方法和应用 | |
| CN109585650B (zh) | 一种类胶质细胞神经形态器件及其制备方法 | |
| CN106098935A (zh) | 一种低功耗氧化物线状忆阻器及实现其突触功能的方法 | |
| CN111769194B (zh) | 一种基于锯齿结构纳米线的柔性光电传感忆阻器 | |
| CN109978019B (zh) | 图像模式识别模拟与数字混合忆阻设备及制备，实现stdp学习规则和图像模式识别方法 | |
| Sparvoli et al. | Development of resistive memories based on silver doped graphene oxide for neuron simulation | |
| Wen et al. | Design of 3-D Interface in Synaptic Transistors With Attojoule Power by Electrospinning Aligned Nanofibers for Neuromorphic Computing | |
| Wang et al. | All-solid-state Ion Doping Synaptic Transistor for Bionic Neural computing |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |