CN111667059B - 一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件 - Google Patents
一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件 Download PDFInfo
- Publication number
- CN111667059B CN111667059B CN202010402419.5A CN202010402419A CN111667059B CN 111667059 B CN111667059 B CN 111667059B CN 202010402419 A CN202010402419 A CN 202010402419A CN 111667059 B CN111667059 B CN 111667059B
- Authority
- CN
- China
- Prior art keywords
- layer
- nitride
- electrode layer
- phase
- artificial nerve
- 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.)
- Active
Links
- 150000004767 nitrides Chemical class 0.000 title claims abstract description 47
- 239000002105 nanoparticle Substances 0.000 title claims abstract description 35
- 230000001537 neural effect Effects 0.000 title description 13
- 210000005036 nerve Anatomy 0.000 claims abstract description 33
- 210000003050 axon Anatomy 0.000 claims abstract description 31
- 210000005056 cell body Anatomy 0.000 claims abstract description 28
- 229910052723 transition metal Inorganic materials 0.000 claims abstract description 20
- 150000003624 transition metals Chemical class 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 15
- 210000004027 cell Anatomy 0.000 claims abstract description 12
- 239000000463 material Substances 0.000 claims abstract description 8
- KDLHZDBZIXYQEI-UHFFFAOYSA-N Palladium Chemical compound [Pd] KDLHZDBZIXYQEI-UHFFFAOYSA-N 0.000 claims description 13
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 9
- 239000010955 niobium Substances 0.000 claims description 9
- 229910052751 metal Inorganic materials 0.000 claims description 8
- 239000002184 metal Substances 0.000 claims description 8
- 229910052782 aluminium Inorganic materials 0.000 claims description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 6
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 5
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 claims description 5
- 229910052804 chromium Inorganic materials 0.000 claims description 5
- 239000011651 chromium Substances 0.000 claims description 5
- 229910052735 hafnium Inorganic materials 0.000 claims description 5
- VBJZVLUMGGDVMO-UHFFFAOYSA-N hafnium atom Chemical compound [Hf] VBJZVLUMGGDVMO-UHFFFAOYSA-N 0.000 claims description 5
- 230000001678 irradiating effect Effects 0.000 claims description 5
- 229910052750 molybdenum Inorganic materials 0.000 claims description 5
- 239000011733 molybdenum Substances 0.000 claims description 5
- 229910052758 niobium Inorganic materials 0.000 claims description 5
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 5
- 229910052715 tantalum Inorganic materials 0.000 claims description 5
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 claims description 5
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 claims description 5
- 229910052721 tungsten Inorganic materials 0.000 claims description 5
- 239000010937 tungsten Substances 0.000 claims description 5
- 229910052720 vanadium Inorganic materials 0.000 claims description 5
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical group [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 claims description 5
- 229910052727 yttrium Inorganic materials 0.000 claims description 5
- VWQVUPCCIRVNHF-UHFFFAOYSA-N yttrium atom Chemical compound [Y] VWQVUPCCIRVNHF-UHFFFAOYSA-N 0.000 claims description 5
- PMHQVHHXPFUNSP-UHFFFAOYSA-M copper(1+);methylsulfanylmethane;bromide Chemical compound Br[Cu].CSC PMHQVHHXPFUNSP-UHFFFAOYSA-M 0.000 claims description 4
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical group [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 claims description 4
- 229910052582 BN Inorganic materials 0.000 claims description 3
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 claims description 3
- PZNSFCLAULLKQX-UHFFFAOYSA-N Boron nitride Chemical compound N#B PZNSFCLAULLKQX-UHFFFAOYSA-N 0.000 claims description 3
- 229910002601 GaN Inorganic materials 0.000 claims description 3
- GYHNNYVSQQEPJS-UHFFFAOYSA-N Gallium Chemical compound [Ga] GYHNNYVSQQEPJS-UHFFFAOYSA-N 0.000 claims description 3
- JMASRVWKEDWRBT-UHFFFAOYSA-N Gallium nitride Chemical compound [Ga]#N JMASRVWKEDWRBT-UHFFFAOYSA-N 0.000 claims description 3
- 229910052581 Si3N4 Inorganic materials 0.000 claims description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 3
- 239000000956 alloy Substances 0.000 claims description 3
- 229910045601 alloy Inorganic materials 0.000 claims description 3
- NWAIGJYBQQYSPW-UHFFFAOYSA-N azanylidyneindigane Chemical compound [In]#N NWAIGJYBQQYSPW-UHFFFAOYSA-N 0.000 claims description 3
- 229910052796 boron Inorganic materials 0.000 claims description 3
- 229910052733 gallium Inorganic materials 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 229910052738 indium Inorganic materials 0.000 claims description 3
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 claims description 3
- 229910052710 silicon Inorganic materials 0.000 claims description 3
- 239000010703 silicon Substances 0.000 claims description 3
- HQVNEWCFYHHQES-UHFFFAOYSA-N silicon nitride Chemical compound N12[Si]34N5[Si]62N3[Si]51N64 HQVNEWCFYHHQES-UHFFFAOYSA-N 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 2
- 229910052737 gold Inorganic materials 0.000 claims description 2
- 239000010931 gold Substances 0.000 claims description 2
- 229910052763 palladium Inorganic materials 0.000 claims description 2
- 229910052697 platinum Inorganic materials 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 6
- 230000000737 periodic effect Effects 0.000 abstract description 3
- 239000010408 film Substances 0.000 description 30
- 210000002569 neuron Anatomy 0.000 description 7
- 239000000758 substrate Substances 0.000 description 6
- 238000000151 deposition Methods 0.000 description 5
- 150000002500 ions Chemical class 0.000 description 5
- 238000004544 sputter deposition Methods 0.000 description 5
- 229910000484 niobium oxide Inorganic materials 0.000 description 4
- URLJKFSTXLNXLG-UHFFFAOYSA-N niobium(5+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[Nb+5].[Nb+5] URLJKFSTXLNXLG-UHFFFAOYSA-N 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000000231 atomic layer deposition Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005229 chemical vapour deposition Methods 0.000 description 3
- 210000001787 dendrite Anatomy 0.000 description 3
- 238000005566 electron beam evaporation Methods 0.000 description 3
- 239000010409 thin film Substances 0.000 description 3
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 229910052814 silicon oxide Inorganic materials 0.000 description 2
- 238000002207 thermal evaporation Methods 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003376 axonal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000008367 deionised water Substances 0.000 description 1
- 229910021641 deionized water Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 229910021645 metal ion Inorganic materials 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06N3/061—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using biological neurons, e.g. biological neurons connected to an integrated circuit
-
- 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
-
- 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
- H10N70/231—Multistable switching devices, e.g. memristors based on solid-state phase change, e.g. between amorphous and crystalline phases, Ovshinsky effect
-
- 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
- H10N70/25—Multistable switching devices, e.g. memristors based on bulk electronic defects, e.g. trapping of electrons
-
- 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
- H10N70/881—Switching materials
- H10N70/883—Oxides or nitrides
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Neurology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Prostheses (AREA)
Abstract
本发明公开了一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件,包括依次设置的输出电极层、树突层、胞体层、轴突层和输入电极层。树突层和轴突层均分别为氮化物或氮氧化物薄膜,具体为掺杂有过渡金属的氮化物或氮氧化物薄膜,通过在输入电极层和胞体层之间以来回扫描的方式施加电压,使得掺杂的过渡金属转变为镶嵌在氮化物或氮氧化物薄膜内的相变纳米颗粒;或为经过初始化操作后形成含有相变纳米颗粒物的氮化物或氮氧化物薄膜材料。输入电极层内设有至少1个电极。本发明同时公开了4种树突层和轴突层的初始化过程。本发明可以对任何周期性输入信号和任意数量输入信号进行合成、再编码输出,可以用于类脑计算芯片和神经形态计算。
Description
技术领域
本发明涉及一种用于类脑芯片、神经形态计算的基于相变纳米颗粒镶嵌氮化物的人工神经元器件,属于信息、电子、材料技术领域。
背景技术
当前采用忆阻器模拟神经突触可塑性,已成为信息、材料、计算机、神经科学领域的研究热点,已有研究开发出基于忆阻器人工突触的芯片,可以完成卷积神经网络(Yao,P.;Wu,H.Q.;Gao,B.;Tang,J.S.;Zhang,G.T.;Zhsng,W.Q.;Yang,J.J.;Qian,H.,Fullyhardware-implemnted memristor convolutional neural network.Nature 2020,577,641-661.)。然而还没有研究能够开发出类似神经元功能的人工单元,在类脑芯片中,仍然需要外电路完成神经元信号集成的功能,而且目前还未能知道神经元是怎样处理和计算这些信号的。
因此,亟需一种像神经元一样集成多通道信号并处理这些信息的人工神经元器件。
本发明以本申请人的科研团队于2018年提出的一种相变纳米颗粒镶嵌的氮化物忆阻器及其制备方法(申请号:2018111753046)为基础。
发明内容
本发明的目的是为了克服现有技术的不足之处,提供一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件,该人工神经元器件可用于类脑芯片和神经形态的计算,具有生物神经元信号处理功能和响应特征,可以对输入信号进行集成、编码。
为了实现上述目的,本发明采用如下技术方案:
本发明提出的一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件,包括依次设置的输出电极层、树突层、胞体层、轴突层和输入电极层;其特征在于,
所述树突层和轴突层均分别为氮化物或氮氧化物薄膜;该氮化物或氮氧化物薄膜为掺杂有过渡金属的氮化物或氮氧化物薄膜,通过在所述输入电极层和胞体层之间以来回扫描的方式施加绝对值为1mV~5V的电压,使得掺杂的过渡金属转变为镶嵌在氮化物或氮氧化物薄膜内的相变纳米颗粒;或者所述氮化物或氮氧化物薄膜为经过初始化操作后含有相变纳米颗粒的氮化物或氮氧化物薄膜;
所述胞体层为过渡金属薄膜或由若干过渡金属形成的合金薄膜;
所述输入电极层和输出电极层分别为惰性金属薄膜;
所述氮化物选自包括氮化镓、氮化铝、氮化硅、氮化硼或氮化铟;所述氮氧化物选自包括氮氧化镓、氮氧化铝、氮氧化硅、氮氧化硼或氮氧化铟;
所述初始化操作采用如下几种方法中的任意一种:
1)外界电压分别接在所述输入电极层和所述输出电极层两端,采用绝对值为1mV~5V的电压进行来回扫描所述人工神经元器件1~100次;
2)分别在所述输入电极层和所述胞体层之间、所述胞体层和所述输出电极层之间施加绝对值为1mV~5V的电压进行来回扫描所述人工神经元器件1~100次;
3)在所述输入电极层和所述胞体层之间加一个幅值为1mV~5V的负电压,采用可见光、红外光或紫外光照射所述树突层,照射时间为10分钟~120分钟;在所述输出电极层和所述轴突层之间加一个值为1mV~5V的负电压,采用可见光、红外光或紫外光照射树突层,照射时间为10分钟~120分钟;
4)在所述输入电极层和所述胞体层之间加一个幅值为1mV~5V的负电压,在所述输出电极层和所述胞体层之间加一个幅值为1mV~5V的负电压;对所述人工神经元器件进行快速加热,使得其温度在20分钟~1小时内上升到400摄氏度;然后对所述人工神经元器件进行快速冷却,使得其温度在20分钟~1小时内下降到40摄氏度。
本发明具有以下优点:
1、输入电极层内的电极数目可为任意数量,可以将神经网络中不同通道的信号集成输入到一个神经元器件中;
2、树突层主要负责汇集多通道信号;
3、胞体层为钒、铬、钽、钼、钇、铪、钨、铌这几种过渡金属薄膜,一来可以为树突层和轴突层提供金属离子,可与树突层或轴突层中的氧结合形成相变纳米颗粒;二来可以将胞体层汇集的信号,几乎无功率损耗地传递到轴突层;
4、轴突层将树突层汇集的信号进行重新组合、编码,再输出到下一级电路。
综上,本发明基于相变纳米颗粒镶嵌氮化物的人工神经元器件可以像神经元一样集成多通道信号并处理这些信息,即对输入信号进行编码、合成处理。本发明的人工神经元器件将作为人工神经元植入类脑芯片,将大幅度降低类脑芯片的制作难度,大幅度提高类脑芯片的计算能力。
附图说明
图1为本发明实施例的一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件的结构示意图。
图2为图1所示人工神经元器件的初始化过程。采用2V大小的电压来回扫描4次以后,在树突层和轴突层均形成相变纳米颗粒组成的导电细丝,如右上插图中白色球状衬度。
图3为当采用幅值-2V、脉宽0.1ms的脉冲输入图1所示人工神经元器件时,获得输出受输入次数和频率的调制结果。
具体实施方式
下述实施例中所使用的实验方法如无特殊说明,均为常规方法。
下述实施例中所用的材料、试剂等,如无特殊说明,均可从商业途径得到。
下面结合附图和具体实施例对本发明进行进一步说明,但本发明并不局限于此,凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
本发明提出的一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件,包括位于基底上依次设置的输出电极层、树突层(为氮化物层或氧氮化物层)、胞体层(为金属层)、轴突层(为氮化物层或氧氮化物层)和输入电极层。
所述树突层为设置在所述输入电极层和所述胞体层之间的第一氮化物或氮氧化物薄膜;该第一氮化物或氮氧化物薄膜为掺杂有过渡金属的氮化物或氮氧化物薄膜(即采用专利2018111753046中所述忆阻器材料内的介质层),通过在所述输入电极层和胞体层之间以来回扫描的方式施加绝对值为1mV~5V的电压,使得掺杂的过渡金属转变为镶嵌在氮化物或氮氧化物薄膜内的相变纳米颗粒;或者所述第一氮化物或氮氧化物薄膜为经过初始化操作后含有相变纳米颗粒的氮化物或氮氧化物薄膜。所述氮化物选自包括氮化镓、氮化铝、氮化硅、氮化硼或氮化铟;所述氮氧化物选自包括氮氧化镓、氮氧化铝、氮氧化硅、氮氧化硼或氮氧化铟。所述相变纳米颗粒材料选自钒、铬、钽、钼、钇、铪、钨或铌上述多种过渡金属中任意一种的氧化物。所述相变纳米颗粒的平均尺寸在2~10nm之间,可以在非晶相和任意一种晶态相之间转变。所述相变纳米颗粒聚集成束,且贯穿所述氮化物或氮氧化物薄膜,相变纳米颗粒束的宽度在20~100nm之间。
所述轴突层为设置在所述胞体层一面之外的第二氮化物或氧氮化物薄膜;该第二氮化物或氮氧化物薄膜为掺杂有过渡金属的氮化物或氮氧化物薄膜(即采用专利2018111753046中所述忆阻器材料内的介质层),通过在所述输入电极层和胞体层之间以来回扫描的方式施加绝对值为1mV~5V的电压,使得掺杂的过渡金属转变为镶嵌在氮化物或氮氧化物薄膜内的相变纳米颗粒;或者所述第二氮化物或氮氧化物薄膜为经过初始化操作后含有相变纳米颗粒的氮化物或氮氧化物薄膜。第二氮化物或氧氮化物薄膜与第一氮化物或氧氮化物薄膜内相变纳米颗粒的尺寸及分布可能存在不同。
所述输入电极层和输出电极层分别为设置在树突层一面之外和轴突层一面之外的惰性金属薄膜,输入电极层和输出电极层均分别采用化学性质不活波且相对惰性(即不易被氧化)的金属制成,如铂、钯、金等,厚度可为50~300nm,优选150nm。
所述胞体层为设置在树突层和轴突层之间的过渡金属薄膜或由若干过渡金属形成的合金薄膜;所述过渡金属选自钒、铬、钽、钼、钇、铪、钨或铌。
进一步地,所述树突层厚度为0.1~150nm,优选45nm。
进一步地,所述轴突层厚度为0.1~150nm,优选45nm。
进一步地,所述胞体层厚度为0.1~100nm,优选50nm。
进一步地,所述输入电极层内含有的电极数目至少为1个,用于将神经网络中不同通道的信号集成输入到一个人工神经元器件中。
进一步地,所述输出电极层内含有的电极数目为1个。
进一步地,所述树突层和轴突层的初始化操作采用如下几种方法中的任意一种:
1)外界电压分别接在输入电极层和输出电极层两端,采用绝对值为1mV~5V的电压进行来回扫描本人工神经元器件1~100次,例如按照:0V→-2V→0V→2V→0V的方式进行一次扫描;
2)在输入电极层和胞体层之间施加绝对值为1mV~5V的电压进行来回扫描1~100次,如步骤1)所述;在胞体层和输出电极层之间施加绝对值为1mV~5V的电压进行来回扫描1~100次,如步骤1)所述;(本步骤中的两个子步骤分别独立进行,不分先后)
3)在输入电极层和胞体层之间施加一个幅值为1mV~5V的负电压,采用可见光、红外光或紫外光照射树突层,光照强度无限制,照射时间为10分钟~120分钟;在输出电极层和轴突层之间施加一个值为1mV~5V的负电压,采用可见光、红外光或紫外光照射树突层,照射时间为10分钟~120分钟;(本步骤中的两个子步骤分别独立进行,不分先后)
4)在输入电极层和胞体层之间施加一个幅值为1mV~5V的负电压,在输出电极层和胞体层之间施加一个幅值为1mV~5V的负电压,对本人工神经元器件进行快速加热,使得其温度在20分钟~1小时内上升到400摄氏度;然后对本人工神经元器件进行快速冷却,使得其温度在20分钟~1小时内下降到40摄氏度,然后撤掉所有电压。
进一步地,轴突层将树突层汇集的信号进行重新组合、编码的方法如下:
在不同的输入电极上施加脉冲信号,各输入电极上的脉冲信号可以频率、幅值、脉宽、脉冲间隔都可以不一样,这些信号通过树突层后,交汇到胞体层,然后继续往轴突层输出,轴突层将从胞体层传输过来的信号进行编码,输出到输出电极层时只出现一种频率、幅值、脉冲宽度和间隔不同于输入信号的周期信号。
以下为本发明实施例:Pd/AlNO/Nb/AlNO/Pd人工神经元器件及其制备方法
本发明实施例的人工神经元器件的整体结构参见图1,该人工神经元器件包括在表面带SiO2的Si基片上依次设置的Pd输出电极层、由氮化铝(AlNO)薄膜经过初始化操作形成的树突层、由Nb金属薄膜形成的胞体层、由氮氧化铝(AlNO)薄膜经过初始化操作形成的树突层以及Pd输入电极层。本实施例中Pd输出电极层、树突层、胞体层、树突层和输入电极层的厚度分别为100nm、100nm、50nm、100nm和100nm,输入电极层内设有两个电极。
本实施例中树突层和轴突层的初始化操作如下:在输入电极和输出电极之间用幅值大于2V的电压在-2V到2V之间连续扫描,约扫描4次后,在树突层和轴突层中间形成氧化铌相变纳米颗粒,且氧化铌纳米相变纳米颗粒聚集成束成为导电细丝,如图2所示。
本发明实施例人工神经元器件的制备方法包括以下步骤:
1)将商购的表面带SiO2的Si基片用丙酮、酒精和去离子水依次超声清洗4-8分钟,用氮气吹干。将Si基片放入真空室基片台,用电子束蒸镀、热蒸发或离子溅射等方法在Si基片上沉积一层100nm的Pd,形成输出电极层。
2)在输出电极层的一面上采用离子溅射、化学气相沉积或原子层沉积的方法沉积100nm氮氧化铝薄膜,形成轴突层。
3)在轴突层的一面上采用离子溅射、化学气相沉积、原子层沉积或电子束蒸发的方法沉积50nm的Nb金属薄膜啊,形成胞体层。
4)在胞体层的一面上采用离子溅射、化学气相沉积或原子层沉积的方法沉积100nm氮氧化铝薄膜,形成树突层。
5)在树突层一面上添加添加掩模板,然后采用电子束蒸镀、热蒸发或离子溅射等方法沉积所述输出电极层100nm的Pd,除去所述掩膜板,既得所述人工神经元器件结构,如图1所示。
6)在顶电极和底电极之间用幅值大于2V的偏压在-2V到2V之间连续扫描,约4次扫描后,在树突层和轴突层中间形成相变纳米颗粒氧化铌,且氧化铌纳米颗粒聚集成束成为导电细丝,如图2所示。
本发明实施例的有效性验证:
为了验证本发明实施例的脉冲响应性质,对上述实施例的Pd/AlNO/Nb/AlNO/Pd人工神经元器件进行如下操作:
1)采用幅值-2V、脉宽0.1ms的脉冲连续输入刺激本人工神经元器件,输出电流峰值如图3所示,峰值电流会随脉冲次数先上升,达到一个临界脉冲次数时,峰值电流会出现突然下降,下降过程持续1~5个脉冲,然后回升到下降前的电流峰值水平。
2)随着输入脉冲频率的增加,两次峰值突降之间的脉冲次数变小(图3中1Hz到10Hz),直到某个频率(图3中20Hz),看不出明显的突降,电流峰值基本不变,出现钝化,由此可知,轴突层将树突层汇集的信号进行了重新组合和编码,由输出电极层输出的信号仅出现了一种频率、幅值、脉冲宽度和间隔,不同于输入信号的周期信号。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件,包括依次设置的输出电极层、树突层、胞体层、轴突层和输入电极层;其特征在于,
所述树突层和轴突层均分别为氮化物或氮氧化物薄膜;该氮化物或氮氧化物薄膜为掺杂有过渡金属的氮化物或氮氧化物薄膜,通过在所述输入电极层和胞体层之间以来回扫描的方式施加绝对值为1mV~5V的电压,使得掺杂的过渡金属转变为镶嵌在氮化物或氮氧化物薄膜内的相变纳米颗粒;或者所述氮化物或氮氧化物薄膜为经过初始化操作后含有相变纳米颗粒的氮化物或氮氧化物薄膜;
所述胞体层为过渡金属薄膜或由若干过渡金属形成的合金薄膜;
所述输入电极层和输出电极层分别为惰性金属薄膜;
所述氮化物包括氮化镓、氮化铝、氮化硅、氮化硼或氮化铟;所述氮氧化物包括氮氧化镓、氮氧化铝、氮氧化硅、氮氧化硼或氮氧化铟;
所述初始化操作采用如下几种方法中的任意一种:
1)外界电压分别接在所述输入电极层和所述输出电极层两端,采用绝对值为1mV~5V的电压进行来回扫描所述人工神经元器件1~100次;
2)分别在所述输入电极层和所述胞体层之间、所述胞体层和所述输出电极层之间施加绝对值为1mV~5V的电压进行来回扫描所述人工神经元器件1~100次;
3)在所述输入电极层和所述胞体层之间加一个幅值为1mV~5V的负电压,采用可见光、红外光或紫外光照射所述树突层,照射时间为10分钟~120分钟;在所述输出电极层和所述轴突层之间加一个值为1mV~5V的负电压,采用可见光、红外光或紫外光照射树突层,照射时间为10分钟~120分钟;
4)在所述输入电极层和所述胞体层之间加一个幅值为1mV~5V的负电压,在所述输出电极层和所述胞体层之间加一个幅值为1mV~5V的负电压;对所述人工神经元器件进行快速加热,使得其温度在20分钟~1小时内上升到400摄氏度;然后对所述人工神经元器件进行快速冷却,使得其温度在20分钟~1小时内下降到40摄氏度。
2.根据权利要求1所述的人工神经元器件,其特征在于,所述胞体层中的过渡金属选自钒、铬、钽、钼、钇、铪、钨或铌。
3.根据权利要求1所述的人工神经元器件,其特征在于,所述相变纳米颗粒材料选自钒、铬、钽、钼、钇、铪、钨或铌中任意一种的氧化物。
4.根据权利要求1所述的人工神经元器件,其特征在于,所述相变纳米颗粒的平均尺寸在2~10nm之间,在非晶相和任意一种晶态相之间转变。
5.根据权利要求1所述的人工神经元器件,其特征在于,所述输出电极层和输入电极层内的惰性金属选自铂、钯或金。
6.根据权利要求1所述的人工神经元器件,其特征在于,所述树突层厚度为0.1~150nm。
7.根据权利要求1所述的人工神经元器件,其特征在于,所述轴突层厚度为0.1~150nm。
8.根据权利要求1所述的人工神经元器件,其特征在于,所述胞体层厚度为0.1~100nm。
9.根据权利要求1所述的人工神经元器件,其特征在于,所述输入电极层内含有的电极数目为至少1个,输入电极层的厚度为50~300nm。
10.根据权利要求1所述的人工神经元器件,其特征在于,所述输出电极层内含有的电极数目为1个,输出电极层的厚度为50~300nm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010402419.5A CN111667059B (zh) | 2020-05-13 | 2020-05-13 | 一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010402419.5A CN111667059B (zh) | 2020-05-13 | 2020-05-13 | 一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111667059A CN111667059A (zh) | 2020-09-15 |
CN111667059B true CN111667059B (zh) | 2022-09-13 |
Family
ID=72383598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010402419.5A Active CN111667059B (zh) | 2020-05-13 | 2020-05-13 | 一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667059B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108336145A (zh) * | 2018-01-29 | 2018-07-27 | 中国科学院微电子研究所 | 人工神经元结构及其制备方法、信号和时间提取方法 |
CN109065710A (zh) * | 2018-07-25 | 2018-12-21 | 清华大学 | 一种基于多层氧化物薄膜的选通器器件结构及其制备方法与应用 |
CN109447250A (zh) * | 2018-09-14 | 2019-03-08 | 华中科技大学 | 一种基于忆阻器中电池效应的人工神经元 |
CN109449286A (zh) * | 2018-10-10 | 2019-03-08 | 清华大学 | 一种相变纳米颗粒镶嵌的氮化物忆阻器及其制备方法 |
CN109802035A (zh) * | 2019-01-24 | 2019-05-24 | 北京印刷学院 | 一种基于忆阻器的神经突触仿生器件及制备方法 |
CN111029459A (zh) * | 2019-11-29 | 2020-04-17 | 华中科技大学 | 一种界面型原子忆阻器及其制备方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102255309B1 (ko) * | 2014-10-17 | 2021-05-25 | 삼성전자주식회사 | 3차원 구조의 인공 뉴런 반도체 소자 및 이를 이용한 인공 뉴런 반도체 시스템 |
US11586884B2 (en) * | 2018-02-08 | 2023-02-21 | University Of Massachusetts | Artificial neurons using diffusive memristor |
-
2020
- 2020-05-13 CN CN202010402419.5A patent/CN111667059B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108336145A (zh) * | 2018-01-29 | 2018-07-27 | 中国科学院微电子研究所 | 人工神经元结构及其制备方法、信号和时间提取方法 |
CN109065710A (zh) * | 2018-07-25 | 2018-12-21 | 清华大学 | 一种基于多层氧化物薄膜的选通器器件结构及其制备方法与应用 |
CN109447250A (zh) * | 2018-09-14 | 2019-03-08 | 华中科技大学 | 一种基于忆阻器中电池效应的人工神经元 |
CN109449286A (zh) * | 2018-10-10 | 2019-03-08 | 清华大学 | 一种相变纳米颗粒镶嵌的氮化物忆阻器及其制备方法 |
CN109802035A (zh) * | 2019-01-24 | 2019-05-24 | 北京印刷学院 | 一种基于忆阻器的神经突触仿生器件及制备方法 |
CN111029459A (zh) * | 2019-11-29 | 2020-04-17 | 华中科技大学 | 一种界面型原子忆阻器及其制备方法 |
Non-Patent Citations (4)
Title |
---|
Adaptive Crystallite Kinetics in Homogenous Bilayer Oxide Memristor for Emulating Diverse Synaptic Plasticity;Jun Yin等;《Advanced Functional Materials》;20180325;第1-10页 * |
Phase-change nanoclusters embedded in a memristor for simulating synaptic learning;Qin Wan等;《Nanoscale》;20190225;第1-23页 * |
基于忆阻器模拟的突触可塑性的研究进展;张晨曦等;《中国科学:信息科学》;20180220;第48卷(第02期);第115-142页 * |
柔性阻变存储材料与器件研究进展;卢颖等;《材料学报》;20200328;第34卷(第1期);第146-154页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111667059A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cheng et al. | Hardware implementation of photoelectrically modulated dendritic arithmetic and spike-timing-dependent plasticity enabled by an ion-coupling gate-tunable vertical 0D-perovskite/2D-MoS 2 hybrid-dimensional van der Waals heterostructure | |
US20060148254A1 (en) | Activated iridium oxide electrodes and methods for their fabrication | |
DE102011004408A1 (de) | Halbleitervorrichtungsherstellungsverfahren | |
CN111725401B (zh) | 一种光存储复合型忆阻器及其制备方法与应用 | |
CN101864592A (zh) | 基于铁电金属异质结的忆阻器及其制备方法 | |
CN111667059B (zh) | 一种基于相变纳米颗粒镶嵌氮化物的人工神经元器件 | |
CN113161494A (zh) | 光电人工突触的制备方法以及光电人工突触 | |
KR100736850B1 (ko) | 금속 나노 결정체를 이용한 나노 플로팅 게이트를 가지는플래시 메모리 소자의 제조방법 | |
CN109545960A (zh) | 一种电导连续可变的忆阻器及其制备方法和应用 | |
Ye et al. | Overview of memristor-based neural network design and applications | |
CN111477741A (zh) | 非易失多值忆阻器 | |
CN109449286B (zh) | 一种相变纳米颗粒镶嵌的氮化物忆阻器及其制备方法 | |
Yuan et al. | Silicon carbide nanowire-based multifunctional and efficient visual synaptic devices for wireless transmission and neural network computing | |
WO2009083001A2 (de) | Strahlungsemittierender körper und verfahren zur herstellung eines strahlungsemittierenden körpers | |
CN111769194B (zh) | 一种基于锯齿结构纳米线的柔性光电传感忆阻器 | |
CN115117177A (zh) | 一种神经形态光电传感器、其制备及调控方法 | |
KR100765377B1 (ko) | SiO₂박막 내 금속 나노 결정체의 형성방법 | |
Lee et al. | Reservoir Computing for Temporal Data Processing Using Resistive Switching Memory Devices Based on ITO Treated With O $ _ {\text {2}} $ Plasma | |
CN113451423A (zh) | 一种基于等离激元效应的异质结光电突触器件 | |
Berco et al. | Inducing alternating nanoscale rectification in a dielectric material for bidirectional-trigger artificial synapses | |
Onay et al. | A Fabrication Method for Memristors with Graphene Top Electrodes and their Characterization | |
CN114512604B (zh) | 一种铜掺杂的金属氧化物双功能层忆阻器 | |
CN109659389A (zh) | 基于MOSFET源漏极光栅化THz探测器制备方法 | |
CN111262133B (zh) | 一种提高单层二维半导体发光亮度的方法 | |
CN108231877A (zh) | 氮化镓电子器件的欧姆接触的制备方法 |
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 |