CN112949843A - 基于多侧栅突触器件的人工感觉神经元结构及其制备方法 - Google Patents

基于多侧栅突触器件的人工感觉神经元结构及其制备方法 Download PDF

Info

Publication number
CN112949843A
CN112949843A CN202110187124.5A CN202110187124A CN112949843A CN 112949843 A CN112949843 A CN 112949843A CN 202110187124 A CN202110187124 A CN 202110187124A CN 112949843 A CN112949843 A CN 112949843A
Authority
CN
China
Prior art keywords
artificial sensory
sensory neuron
synapse device
piezoelectric
gate
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
Application number
CN202110187124.5A
Other languages
English (en)
Inventor
曾明月
万青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University
Original Assignee
Nanjing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University filed Critical Nanjing University
Priority to CN202110187124.5A priority Critical patent/CN112949843A/zh
Publication of CN112949843A publication Critical patent/CN112949843A/zh
Pending legal-status Critical Current

Links

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
    • G06N3/04—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
    • 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
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (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)
  • Neurology (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Thin Film Transistor (AREA)

Abstract

本发明公开了一种基于多侧栅突触器件的人工感觉神经元结构及其制备方法，该人工感觉神经元结构，包括至少两个用作外力感应的压电纳米发电机以及用于处理至少两个电压输入信号的突触器件，突触器件为双电层晶体管，该双电层晶体管以电解质材料为栅介质、以氧化物半导体为沟道层，且其具有至少两个平面侧栅；每个压电纳米发电机分别电连接至双电层晶体管的一个侧栅上。本发明的人工感觉神经元结构充分发挥了双电层晶体管的平面多侧栅结构和双电层耦合特性，两个甚至两个以上的传感器可以同时连接至一个晶体管的不同侧栅，实现对多种外部信号的感应和处理，突破了传统的人工感觉神经元结构一个突触器件处理一种传感器件信号的局限性。

Description

基于多侧栅突触器件的人工感觉神经元结构及其制备方法
技术领域
本发明涉及一种人工感觉神经元结构及其制备方法，特别涉及一种基于多侧栅突触器件的人工感觉神经元器件及其制备方法，属于神经形态工程领域。
背景技术
皮肤是人体中最大的器官，具有保护、调节和感觉的功能，包含各种感觉受体，并提供诸如力，疼痛，形状和质地之类的感觉信息。皮肤感知外部刺激，并通过传入神经元将感觉信息传递给大脑，形成触觉记忆，让大脑记住施加在皮肤上的刺激。电子皮肤模拟、还原甚至取代机体皮肤，首先要具备触觉，即与人体皮肤一样感知不同外界力刺激，畅通传导触觉信号的基本功能。不再局限于对压力的研究，科学家也正在尝试将随意拉伸和变形的电路移植到透明的弹性硅胶上，力图赋予电子皮肤更多近似人体皮肤的物理特性，这种设计的电子皮肤可包裹四肢与手臂，有望应用于皮肤移植。
大数据时代，由于传统冯·诺依曼架构的计算机信息存储和计算单元的分离，在处理需要大量信息交换的复杂问题时效率很低。我们的大脑则具备存储和计算的并行性，低功耗，高效，容错性，鲁棒性，以及自主学习等特点。人类大脑的神经网络由大约1011个神经元和1015个突触组成，为人类感知、情感、思想和行为的基础，因此从硬件层面实现神经形态计算首先需要实现对突触和神经元的模拟。
人工感觉神经元结构应运而生。人工感觉神经元结构通常由突触器件和传感器件电连接组成，其中突触器件多为传统的以忆阻器为代表的两端器件或以场效应晶体管为代表的三端器件，这也意味着这些器件只有一个输入端口。因此，现有的人工感觉神经元结构只能实现一个突触器件处理一个传感器件产生的电压信号，对外界刺激信号的种类选择存在单一性和局限性，不能有效模拟皮肤能同时感应多种形式外界刺激的生物功能。
基于上述技术问题，发明人进行了研究开发，形成了本发明技术，旨在推动人工智能机器人和康复学中神经形态电子皮肤的设计和使用，对人工智能自供电电子皮肤，人机交互等领域具有重要的意义。
发明内容
发明目的：针对现有人工感觉神经元结构只能实现一个突触器件处理一个传感器件产生的电压信号的问题，本发明提供一种基于多侧栅突触器件的人工感觉神经元结构，能够实现一个突触器件与两个以上传感器的连接及信号处理；同时，本发明还提供了一种该人工感觉神经元结构的制备方法。
技术方案：本发明所述的一种基于多侧栅突触器件的人工感觉神经元结构，包括至少两个用作外力感应的压电纳米发电机以及用于处理至少两个电压输入信号的突触器件；突触器件为双电层晶体管，该双电层晶体管以电解质材料为栅介质、以氧化物半导体为沟道层，且其具有至少两个平面侧栅；每个压电纳米发电机分别电连接至突触器件的一个侧栅上。
其中，双电层晶体管的栅介质采用的电解质材料可为壳聚糖、壳聚糖氧化石墨烯复合材料、聚乙烯醇氧化石墨烯复合材料或豌豆蛋白生物材料。沟道层采用的氧化物半导体可为铟镓锌氧、氧化铟锌或铟钨氧。
较优的，压电纳米发电机为电极/压电材料/电极的三明治结构，其中，压电材料可为聚偏氟乙烯或聚偏氟乙烯—三氟乙烯。
本发明所述的一种基于多侧栅突触器件的人工感觉神经元结构的制备方法，包括如下步骤：
(1)在覆有底电极的衬底上旋涂压电材料作为压电纳米发电机的功能层；
(2)在步骤(1)所得功能层上沉积上电极，得到压电纳米发电机；
(3)在覆有底电极的衬底上旋涂电解质材料作为突触器件的栅介质；
(4)在栅介质表面沉积氧化物半导体作为沟道层；
(5)在沟道层表面沉积源漏电极和平面侧栅，得到突触器件；
(6)通过导线将压电纳米发电机与突触器件连接。
上述步骤(1)、步骤(3)中，覆有底电极的衬底可为带导电层的塑料或纸张。
可选的，步骤(1)中，压电材料为聚偏氟乙烯或聚偏氟乙烯—三氟乙烯。可将质量分数为15～20％的压电材料溶液以600～1200r/min的转速旋涂于基底，之后在130～140℃温度下退火，制得功能层。
步骤(2)中，沉积上电极的材料可为氧化铟锡、金属铝或金。其中，氧化铟锡可由磁控溅射法制备，金属铝、金可由热蒸发法制备。
作为优选的，步骤(3)中，电解质材料为壳聚糖、壳聚糖氧化石墨烯复合材料、聚乙烯醇氧化石墨烯复合材料或豌豆蛋白生物材料。可将电解质材料溶液以400～500r/min的转速旋涂于基底，之后可在净化条件为千级以上的净化间中常温放置18～24h使其成膜。
进一步的，步骤(4)中，氧化物半导体为铟镓锌氧、氧化铟锌或铟钨氧。其可由磁控溅射法制备。
可选的，步骤(5)中，沉积源漏电极、平面侧栅的材料为银、铝或金；可由热蒸发法制备。
发明原理：双电层晶体管属于薄膜场效应晶体管，因其以电解质材料作为栅介质，电解质材料中富含可移动离子，当栅电极有输入电压信号时，材料中的可移动离子根据自身的极性在电场作用下定向移动，最终在电解质/沟道界面或是电解质/栅电极界面处形成稳定的双电层，这一双电层的厚度仅为纳米级别，赋予了栅介质巨大的比电容，使得晶体管能低电压下工作，极大地减少了器件能耗。双电层晶体管的沟道电导值的变化受栅压调控的过程是基于介质中的离子迁移，这一过程与生物突触中神经递质的传递过程类似，进而本发明将双电层晶体管用于突触仿生领域。特别地，因为双电层晶体管的栅介质具有良好的离子导电性，使器件可以在平面侧栅结构下工作，原理即为侧栅通过栅介质中的自由离子与沟道形成电容耦合。本发明根据此原理，将器件拓展为多侧栅器件，当有多个输入信号时源漏电极可以进行信息整合，这样两个甚至两个以上的传感器可以同时连接至一个双电层晶体管的不同侧栅，实现对多种外部信号的感应和处理，突破了传统的人工感觉神经元结构一个突触器件处理一个传感器件信号的局限性。
有益效果：与现有技术相比，本发明的优点为：本发明的人工感觉神经元结构基于柔性自供电压电纳米发电机和双电层晶体管，充分发挥了双电层晶体管的平面多侧栅结构和双电层耦合特性，两个甚至两个以上的传感器可以同时连接至一个双电层晶体管的不同侧栅，即多种传感器耦合于同一个突触器件，可以对多种外部信号进行感应和处理，突破了一个突触器件处理一种传感器件信号的局限性，对人工智能自供电电子皮肤具有重要意义。
附图说明
图1为本发明的基于多侧栅突触器件的人工感觉神经元结构示意图；
图2为本发明的压电纳米发电机的结构示意图；
图3为本发明的突触器件的结构示意图；
图4为本发明的基于多侧栅突触器件的人工感觉神经元结构的工作原理图；
图5为本发明的基于多侧栅突触器件的人工感觉神经元结构的制备工艺流程图；
附图标记说明：1、压电纳米发电机的绝缘衬底；2、压电纳米发电机的底电极；3、压电材料；4、压电纳米发电机的上电极；5、突触器件的绝缘衬底；6、突触器件的底电极；7、栅介质中的离子；8、栅介质；9、沟道层；10、平面侧栅；11、源电极；12、漏电极；13、连接导线；14、电偶极子；15、电子；16、正电荷；17、电压脉冲；18、栅介质中的负离子；19、栅介质中的正离子。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步说明。
本发明的一种基于多侧栅突触器件的人工感觉神经元结构，如图1，包括信号处理元件和至少两个传感元件，任一传感元件与信号处理元件电连接。
其中，传感元件作为外力感应部分，具体为压电纳米发电机，压电纳米发电机为电极/压电材料/电极的三明治结构，如图2，压电纳米发电机的结构自下而上包括绝缘衬底1、底电极2、压电材料3和上电极4，其中，绝缘衬底1可为柔性材质，如塑料或纸张等；压电材料3可为聚偏氟乙烯或聚偏氟乙烯—三氟乙烯；上电极4可采用氧化铟锡、金属铝或金等材料制备。
信号处理元件为突触器件，该突触器件为双电层晶体管，如图3，双电层晶体管包括栅介质8、沟道层9、平面侧栅10、源电极11和漏电极12，栅介质8采用电解质材料制成，电解质材料可为壳聚糖、壳聚糖氧化石墨烯复合材料、聚乙烯醇氧化石墨烯复合材料或豌豆蛋白生物材料；沟道层9材料为氧化物半导体，如铟镓锌氧、氧化铟锌或铟钨氧；源漏电极、平面栅电极采用银、铝或金等材料制备。其中，平面侧栅10为至少两个。
突触器件与压电纳米发电机可通过导线13连接，如图1，压电纳米发电机可为两个或两个以上，每个压电纳米发电机分别电连接至突触器件的一个侧栅上。当对压电纳米发电机施加外力时，压电纳米发电机在压力和形变等机械能刺激下产生压电势后为突触器件进行供电并调节其沟道电导(突触权重)，进而可以间接实现突触器件对于外界刺激信息的处理；突触器件的平面多侧栅结构以及电解质栅介质层的双电层耦合特性可以将多种传感器的输出信号耦合于同一个突触晶体管，从而可以得到能够对多种外部信号进行感知和处理的人工感觉神经元。
如图4，本发明的基于多侧栅突触器件的人工感觉神经元结构的工作原理为：当对压电纳米发电机施加外力时，压电材料3变形产生应变，电荷中心分离形成电偶极子14，电偶极矩的变化将导致上下电极被诱导出相应的电子15和正电荷16，电极之间形成压电势，电极与外部负载相连，压电势将驱动电子流过外部电路，以部分屏蔽压电势，从而达到新的平衡状态。最终，机械能被转化成电能。同时，压电纳米发电机能够将时空应变信息(应变幅值和持续时间)转化为电压信号17传输给突触器件，受电压信号的影响，栅介质中的负离子18因静电感应而聚集在侧栅下方附近附近，正离子19聚集在沟道下方附近，沟道中被诱导出电子15后得以导通工作，器件的沟道电导(突触的权重)可以很容易地由应变脉冲调制。
上述基于多侧栅突触器件的人工感觉神经元结构的制备方法如图5，包括如下步骤：
(1)制备压电纳米发电机：
①在覆有底电极2的衬底1上旋涂压电材料3作为压电纳米发电机的功能层；
②在步骤①所得功能层上沉积上电极4，得到压电纳米发电机；
(2)制备突触器件
③在覆有底电极6的衬底5上旋涂电解质材料作为突触器件的栅介质8；
④在栅介质8表面沉积氧化物半导体作为沟道层9；
⑤在沟道层9表面沉积源漏电极11、12和平面侧栅10，得到突触器件；
(3)构建人工感觉神经元结构
通过导线13将压电纳米发电机与突触器件连接，得到人工感觉神经元结构。
实施例
制备本发明的基于多侧栅突触器件的人工感觉神经元结构，步骤如下：
(1)制备压电纳米发电机
步骤1，在清洗好的覆有底电极的衬底上先涂一层质量分数为15％的聚偏氟乙烯—三氟乙烯溶液，以600r/min的转速预甩胶20s，接着以900r/min的转速甩胶40s，在80℃下烘干10min；再次进行此操作后将样品在135℃下退火3h；实验全程在充满氮气的手套箱中进行；
步骤2，利用热蒸发设备，在真空度低于10-4Pa的条件下蒸镀铝金属作为上电极，厚度约为30nm；上电极的面积范围通过掩膜版来进行控制。
(2)制备突触器件
步骤3，大气环境下在清洗好的覆有底电极的衬底上旋涂质量分数为5％的壳聚糖溶液，然后在千级净化间中常温下等待18h后样品成膜；
步骤4，利用磁控溅射设备和掩膜版，沉积突触器件的沟道层铟镓锌氧，厚度约为30nm；
步骤5，利用热蒸发设备和配套的掩膜版，在真空度低于10-3Pa的条件下蒸镀银金属作为突触器件的源漏电极和平面侧栅，厚度约为30nm。
(3)构建可处理两个传感元件输出信号的人工感觉神经元结构
步骤6，取两根导线，先将两根导线的其中一端通过导电胶带分别粘在一个压电纳米发电机的底电极上，另一端与探针台的探针接口相连接，之后在显微镜下将探针分别压至突触器件的两个侧栅上，最终实现两个压电纳米发电机与突触器件的连接。
当对压电纳米发电机施加外力时，压电材料变形产生应变，电荷中心分离形成电偶极子，电偶极矩的变化将导致电极之间形成压电势。电极与外部负载相连，压电势将驱动电子流过外部电路，以部分屏蔽压电势，从而达到新的平衡状态。最终，机械能被转化成电能。同时，压电纳米发电机能够将时空应变信息(应变幅值和持续时间)转化为电压信号传输给突触器件，器件的沟道电导(突触的权重)可以很容易地由应变脉冲调制。

Claims (10)

1.一种基于多侧栅突触器件的人工感觉神经元结构，其特征在于，包括至少两个用作外力感应的压电纳米发电机以及用于处理至少两个电压输入信号的突触器件，所述突触器件为双电层晶体管，该双电层晶体管以电解质材料为栅介质、以氧化物半导体为沟道层，且其具有至少两个平面侧栅；每个压电纳米发电机分别电连接至突触器件的一个侧栅上。
2.根据权利要求1所述的基于多侧栅突触器件的人工感觉神经元结构，其特征在于，所述双电层晶体管的栅介质采用的电解质材料为壳聚糖、壳聚糖氧化石墨烯复合材料、聚乙烯醇氧化石墨烯复合材料或豌豆蛋白生物材料。
3.根据权利要求1所述的基于多侧栅突触器件的人工感觉神经元结构，其特征在于，所述双电层晶体管的沟道层采用的氧化物半导体为铟镓锌氧、氧化铟锌或铟钨氧。
4.根据权利要求1所述的基于多侧栅突触器件的人工感觉神经元结构，其特征在于，所述压电纳米发电机为电极/压电材料/电极的三明治结构，其中，压电材料为聚偏氟乙烯或聚偏氟乙烯—三氟乙烯。
5.一种权利要求1所述的基于多侧栅突触器件的人工感觉神经元结构的制备方法，其特征在于，包括如下步骤：
(1)在覆有底电极的衬底上旋涂压电材料作为压电纳米发电机的功能层；
(2)在步骤(1)所得功能层上沉积上电极，得到压电纳米发电机；
(3)在覆有底电极的衬底上旋涂电解质材料作为突触器件的栅介质；
(4)在所述栅介质表面沉积氧化物半导体作为沟道层；
(5)在所述沟道层表面沉积源漏电极和平面侧栅，得到突触器件；
(6)通过导线将所述压电纳米发电机与突触器件连接。
6.根据权利要求5所述的基于多侧栅突触器件的人工感觉神经元结构的制备方法，其特征在于，所述覆有底电极的衬底为带导电层的塑料或纸张。
7.根据权利要求5所述的基于多侧栅突触器件的人工感觉神经元结构的制备方法，其特征在于，步骤(1)中，所述压电材料为聚偏氟乙烯或聚偏氟乙烯—三氟乙烯；步骤(2)中，沉积上电极的材料为氧化铟锡、金属铝或金。
8.根据权利要求5所述的基于多侧栅突触器件的人工感觉神经元结构的制备方法，其特征在于，步骤(3)中，所述电解质材料为壳聚糖、壳聚糖氧化石墨烯复合材料、聚乙烯醇氧化石墨烯复合材料或豌豆蛋白生物材料。
9.根据权利要求5所述的基于多侧栅突触器件的人工感觉神经元结构的制备方法，其特征在于，步骤(4)中，所述氧化物半导体为铟镓锌氧、氧化铟锌或铟钨氧。
10.根据权利要求5所述的基于多侧栅突触器件的人工感觉神经元结构的制备方法，其特征在于，步骤(5)中，沉积源漏电极、平面侧栅的材料为银、铝或金。
CN202110187124.5A 2021-02-08 2021-02-08 基于多侧栅突触器件的人工感觉神经元结构及其制备方法 Pending CN112949843A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110187124.5A CN112949843A (zh) 2021-02-08 2021-02-08 基于多侧栅突触器件的人工感觉神经元结构及其制备方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110187124.5A CN112949843A (zh) 2021-02-08 2021-02-08 基于多侧栅突触器件的人工感觉神经元结构及其制备方法

Publications (1)

Publication Number Publication Date
CN112949843A true CN112949843A (zh) 2021-06-11

Family

ID=76245913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110187124.5A Pending CN112949843A (zh) 2021-02-08 2021-02-08 基于多侧栅突触器件的人工感觉神经元结构及其制备方法

Country Status (1)

Country Link
CN (1) CN112949843A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115623792A (zh) * 2022-12-19 2023-01-17 南京邮电大学 一种模拟神经突触有机电化学晶体管、其制备方法以及方向选择电路
CN115683215A (zh) * 2022-10-21 2023-02-03 郑州大学 基于可拉伸晶体管的多维感知神经电子皮肤及制备方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107732004A (zh) * 2017-11-20 2018-02-23 中北大学 一种全旋涂式柔性复合压电发电机的制备方法
CN109086882A (zh) * 2018-07-04 2018-12-25 江苏大学 一种具有记忆功能的神经突触网络
CN109214513A (zh) * 2018-10-23 2019-01-15 江南大学 一种基于自适应深度置信网络的固液废弃物智能耦合处理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107732004A (zh) * 2017-11-20 2018-02-23 中北大学 一种全旋涂式柔性复合压电发电机的制备方法
CN109086882A (zh) * 2018-07-04 2018-12-25 江苏大学 一种具有记忆功能的神经突触网络
CN109214513A (zh) * 2018-10-23 2019-01-15 江南大学 一种基于自适应深度置信网络的固液废弃物智能耦合处理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LI QIANG ZHU ET AL: ""Artificial synapse network on inorganic proton conductor for neuromorphic systems"", 《 NATURE COMMUNICATIONS》, pages 1 *
YONGLI HE ET AL: ""Spatiotemporal Information Processing Emulated by Multiterminal Neuro-Transistor Networks"", 《ADVANCED MATERIALS》 *
曾明月: ""非晶铟镓锌氧双电层TFTs及其神经形态仿生应用"", 《CNKI硕士电子期刊》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115683215A (zh) * 2022-10-21 2023-02-03 郑州大学 基于可拉伸晶体管的多维感知神经电子皮肤及制备方法
CN115623792A (zh) * 2022-12-19 2023-01-17 南京邮电大学 一种模拟神经突触有机电化学晶体管、其制备方法以及方向选择电路
CN115623792B (zh) * 2022-12-19 2024-01-26 南京邮电大学 一种模拟神经突触有机电化学晶体管、其制备方法以及方向选择电路

Similar Documents

Publication Publication Date Title
Liu et al. Self-powered artificial synapses actuated by triboelectric nanogenerator
Ling et al. Electrolyte-gated transistors for synaptic electronics, neuromorphic computing, and adaptable biointerfacing
Jang et al. Ultrathin conformable organic artificial synapse for wearable intelligent device applications
Jiang et al. Emerging synaptic devices: from two-terminal memristors to multiterminal neuromorphic transistors
Wan et al. Flexible Metal Oxide/Graphene Oxide Hybrid Neuromorphic Devices on Flexible Conducting Graphene Substrates
Wan et al. Multimodal artificial neurological sensory–memory system based on flexible carbon nanotube synaptic transistor
Ren et al. Threshold-tunable, spike-rate-dependent plasticity originating from interfacial proton gating for pattern learning and memory
CN112949843A (zh) 基于多侧栅突触器件的人工感觉神经元结构及其制备方法
CN109460819B (zh) 一种用于模拟生物体光突触的方法及器件
CN109427955B (zh) 自驱动多级传感器及其制备方法、传感方法及电子皮肤
Wang et al. Stretchable transistor‐structured artificial synapses for neuromorphic electronics
CN111739935A (zh) 无机突触晶体管结构与制造方法
CN110739393A (zh) 一种仿生突触器件及其制作方法及其应用
Ye et al. Self-powered perception system based on triboelectric nanogenerator and artificial neuron for fast-speed multilevel feature recognition
Guo et al. Electromechanical coupling effects for data storage and synaptic devices
Cao et al. Advanced artificial synaptic thin-film transistor based on doped potassium ions for neuromorphic computing via third-generation neural network
Sun et al. Advanced synaptic devices and their applications in biomimetic sensory neural system
CN111192938A (zh) 一种光电突触器件的制备及调制方法
Hosseini et al. An organic synaptic circuit: toward flexible and biocompatible organic neuromorphic processing
Zheng et al. Flexible floating-gate electric-double-layer organic transistor for neuromorphic computing
Li et al. Self-powered synaptic transistor for artificial perception
Wen et al. Multifunctional neurosynaptic devices for human perception systems
Tian et al. Coplanar-gate synaptic transistor array with organic electrolyte using lithographic process
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
CN111490162A (zh) 一种基于微纳结构力敏薄膜的柔性人工传入神经系统及其制备方法

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