CN114792130A - 一种具有泄漏-积分-发射功能的人工神经元 - Google Patents
一种具有泄漏-积分-发射功能的人工神经元 Download PDFInfo
- Publication number
- CN114792130A CN114792130A CN202210478148.0A CN202210478148A CN114792130A CN 114792130 A CN114792130 A CN 114792130A CN 202210478148 A CN202210478148 A CN 202210478148A CN 114792130 A CN114792130 A CN 114792130A
- Authority
- CN
- China
- Prior art keywords
- unit
- transistor
- memristor
- constant
- artificial neuron
- 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
- 210000002569 neuron Anatomy 0.000 title claims abstract description 48
- 239000012528 membrane Substances 0.000 claims abstract description 30
- 238000009825 accumulation Methods 0.000 claims abstract description 25
- 230000007704 transition Effects 0.000 claims abstract description 17
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 9
- 210000001787 dendrite Anatomy 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 6
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 claims description 6
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 claims description 6
- 239000003989 dielectric material Substances 0.000 claims description 5
- 230000003518 presynaptic effect Effects 0.000 claims description 5
- 229910052814 silicon oxide Inorganic materials 0.000 claims description 5
- 230000000740 bleeding effect Effects 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 229920001661 Chitosan Polymers 0.000 claims description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- GYHNNYVSQQEPJS-UHFFFAOYSA-N Gallium Chemical compound [Ga] GYHNNYVSQQEPJS-UHFFFAOYSA-N 0.000 claims description 3
- 229920003171 Poly (ethylene oxide) Polymers 0.000 claims description 3
- 239000004372 Polyvinyl alcohol Substances 0.000 claims description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims description 3
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 claims description 3
- YJSAVIWBELEHDD-UHFFFAOYSA-N [Li].[Si]=O Chemical compound [Li].[Si]=O YJSAVIWBELEHDD-UHFFFAOYSA-N 0.000 claims description 3
- 229910052782 aluminium Inorganic materials 0.000 claims description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 3
- 239000002041 carbon nanotube Substances 0.000 claims description 3
- 229910021393 carbon nanotube Inorganic materials 0.000 claims description 3
- 229920001940 conductive polymer Polymers 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 239000007772 electrode material Substances 0.000 claims description 3
- 229910052733 gallium Inorganic materials 0.000 claims description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 3
- 229910052737 gold Inorganic materials 0.000 claims description 3
- 239000010931 gold Substances 0.000 claims description 3
- 229910021389 graphene Inorganic materials 0.000 claims description 3
- 229910052738 indium Inorganic materials 0.000 claims description 3
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical group [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 claims description 3
- AMGQUBHHOARCQH-UHFFFAOYSA-N indium;oxotin Chemical compound [In].[Sn]=O AMGQUBHHOARCQH-UHFFFAOYSA-N 0.000 claims description 3
- ATFCOADKYSRZES-UHFFFAOYSA-N indium;oxotungsten Chemical compound [In].[W]=O ATFCOADKYSRZES-UHFFFAOYSA-N 0.000 claims description 3
- CWQXQMHSOZUFJS-UHFFFAOYSA-N molybdenum disulfide Chemical compound S=[Mo]=S CWQXQMHSOZUFJS-UHFFFAOYSA-N 0.000 claims description 3
- 229910052982 molybdenum disulfide Inorganic materials 0.000 claims description 3
- ZKATWMILCYLAPD-UHFFFAOYSA-N niobium pentoxide Inorganic materials O=[Nb](=O)O[Nb](=O)=O ZKATWMILCYLAPD-UHFFFAOYSA-N 0.000 claims description 3
- 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 claims description 3
- 229920003023 plastic Polymers 0.000 claims description 3
- 239000004033 plastic Substances 0.000 claims description 3
- 229910052697 platinum Inorganic materials 0.000 claims description 3
- 229920002451 polyvinyl alcohol Polymers 0.000 claims description 3
- 229910052709 silver Inorganic materials 0.000 claims description 3
- 239000004332 silver Substances 0.000 claims description 3
- 239000010936 titanium Substances 0.000 claims description 3
- 229910052719 titanium Inorganic materials 0.000 claims description 3
- YVTHLONGBIQYBO-UHFFFAOYSA-N zinc indium(3+) oxygen(2-) Chemical compound [O--].[Zn++].[In+3] YVTHLONGBIQYBO-UHFFFAOYSA-N 0.000 claims description 3
- 239000011787 zinc oxide Substances 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 9
- 238000000034 method Methods 0.000 abstract description 9
- 238000002360 preparation method Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 6
- 238000004088 simulation Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 17
- 210000004556 brain Anatomy 0.000 description 6
- 239000003990 capacitor Substances 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 239000000758 substrate Substances 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000012239 silicon dioxide Nutrition 0.000 description 4
- 239000000377 silicon dioxide Substances 0.000 description 4
- 239000000306 component Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 210000000225 synapse Anatomy 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 229910003070 TaOx Inorganic materials 0.000 description 2
- 239000008358 core component Substances 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000010408 film Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 238000001465 metallisation Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000001242 postsynaptic effect Effects 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 206010001497 Agitation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000002964 excitative effect Effects 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- 239000002699 waste material Substances 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
- G06N3/063—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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
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)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Neurology (AREA)
- Metal-Oxide And Bipolar Metal-Oxide Semiconductor Integrated Circuits (AREA)
Abstract
本发明介绍了一种具有泄漏‑积分‑发射功能的人工神经元，其包括膜电位积累单元、泄放单元和脉冲产生单元；所述膜电位积累单元与泄放单元相连，所述脉冲产生单元同时与膜电位积累单元、泄放单元相连，所述膜电位积累单元为晶体管；其源端分别与脉冲产生单元的输入端和泄放单元的定值电阻相连，栅极与泄放单元的定值电阻相连，漏端与一个恒定的电压或脉冲端相连；所述脉冲产生单元为易失性阈值转变忆阻器；所述泄放单元由一个定值电阻一端分别连接晶体管的栅极和源极组成；本申请设计的人工神经元实现了模拟脉冲的产生；实现电子元件与CMOS工艺兼容，能够在低电源电压下工作的同时，极大的降低了电路的制备成本，简化集成难度，降低占用面积。
Description
技术领域
本发明属于人工智能设计领域，具体涉及一种具有泄漏-积分-发射功能的人工神经元。
背景技术
作为生物神经中枢系统的大脑，能够高效节能的执行生物体行为控制与思考功能，大脑由数以亿计的神经元细胞组成，每个细胞又由多个突触与一个神经元组成的基本单元构成，当它们被集成到由相互作用的神经元组成的大脑结构中时，其可以在非常低功耗的情况下，实时地、高精度地解决复杂的任务和表现复杂的行为。人的大脑中有1011个神经元及1015个突触且消耗能量极低，但想要模拟大脑中大量神经元和突触并行处理信息的状态，设计的电路就需要具有超低功耗的性能及较小的占用面积。
中国专利CN207319273U公开了一种集成人工神经元器件和集成电路，其中一种集成人工神经元器件包括不应电路，所述不应电路被配置在传递输出信号之后，在抑制持续时间内抑制信号积分。不应电路包括第一MOS晶体管，第一MOS晶体管耦合在输入节点和参考节点之间，并且具有通过第二MOS晶体管连接到输出节点的栅极，第二MOS晶体管具有耦合到电源节点的第一电极以及耦合到输出节点的栅极。不应电路还包括耦合在电源节点、参考节点和第二MOS晶体管的栅极之间的电阻电容电路。抑制持续时间取决于电阻电容电路的时间常数。但是其采用的是MOS晶体管，这就导致了其体积较大，进而造成了能源浪费。
中国专利CN207302125U公开了一种集成式人工神经元装置和集成式电路，所述集成式人工神经元装置包括输入信号节点、输出信号节点和参考电源节点。积分器电路接收输入信号并且对输入信号进行积分从而产生积分信号；发生器电路接收积分信号，并且当积分信号超过阈值时，传送输出信号。积分器电路包括耦合在输入信号节点与参考电源节点之间的主电容器。积分器电路包括耦合在输入信号节点与输出信号节点之间的主MOS晶体管；主MOS晶体管具有耦合到输出信号节点的栅极和与栅极相互耦合的衬底。然而目前神经网络以硬件途径模拟人脑运行方式主要是通过由CMOS兼容的复杂的电路设计来实现神经元功能，但增加了制备成本及集成设计复杂度，还有一种是以易失性忆阻器与电容器并联构筑LIF模型，该模型既能实现神经元基本功能，电路实现也较为简单，能极大降低电路功耗，但由于电容器难以与传统CMOS工艺集成，并且占用面积大，对超紧凑电路的设计与制备带来巨大挑战。
发明内容
为解决上述问题，以求实现电子元件与CMOS工艺的兼容，进而克服电子系统复杂度过高、器件规模过大、占用面积大以及能源消耗较大等技术问题。
为达到上述效果，本发明设计一种具有泄漏-积分-发射功能的人工神经元。
一种具有泄漏-积分-发射功能的人工神经元，其包括膜电位积累单元、泄放单元和脉冲产生单元；
所述膜电位积累单元与泄放单元相连；
所述脉冲产生单元同时与膜电位积累单元、泄放单元相连。
优选地，所述膜电位积累单元为具有双电层效应，且能进行塑性调节的晶体管；
所述晶体管的源端作为输出端与脉冲产生单元的输入端相连；
所述晶体管的栅极与泄放单元的定值电阻相连；
所述晶体管的漏端与一个恒定的电压或者恒定的脉冲端VDD相连。
优选地，所述脉冲产生单元为易失性阈值转变忆阻器，其输入端分别与膜电位积累单元的源端以及泄放单元相连。
优选地，所述泄放单元由一个定值电阻和膜电位积累单元的栅极和源极组成；所述定值电阻一端分别与膜电位积累单元的栅极和源极连接；所述定值电阻另一端与一个恒定的电压或者恒定的脉冲端Vin相连。
优选地，所述晶体管的特性为：在栅极上施加信号后，沟道等效电阻降低，并且在栅极撤去信号后，晶体管沟道的等效电阻并不是立刻上升到初始值，而是缓慢上升到初始值。
在一个实施例中，所述膜电位积累单元为具备多个侧栅电极结构的多栅晶体管，所述侧栅电极作为神经元树突上的突触前输入端。
优选地，所述晶体管的电极材料选自氧化铟锡、金、银、铜、钛、铂、铝以及其他金属电极或导电聚合物；
所述晶体管的沟道材料选自铟镓锌氧、铟钨氧、石墨烯、二硫化钼、铟锌氧、碳纳米管、氧化锂硅以及其他半导体氧化物或二维材料；所述栅介质材料选自壳聚糖、低温氧化硅、聚乙烯醇、聚环氧乙烷以及五氧化二铌。
优选地，所述易失性阈值转变忆阻器特性为，在易失性阈值转变忆阻器两端施加电压或电流后，其阻态发生转变，撤去电压或电流后，易失性阈值转变忆阻器的电阻能够自发的恢复。
优选地，所述定值电阻的阻值限定在易失性阈值转变忆阻器高、低阻态之间。
优选地，所述易失性阈值转变忆阻器忆阻器还能够替换为扩散型忆阻器。
本申请的优点和效果如下：
1、本发明通过提供一种具有泄漏-积分-发射功能的人工神经元，神经元核心电路采用一个双电层晶体管与忆阻器的动态分压电路来模拟神经元膜电位的积累与泄放，忆阻器的易失性阈值转变特性来模拟脉冲的产生；进而实现模拟神经元的效果。
2、所述的双电层晶体管不仅可以采用顶栅结构、底栅结构，还可以采用多侧栅结构，采用晶体管的多个侧栅电极作为神经元树突上的多个突触前输入端，调节源漏电极兴奋性突触后电流，实现多信号输入及时空信号的整合，最终传递给忆阻器进行神经元树突时空信号处理功能的模拟；多栅极输入时，可以将其中一个栅极接地，以实现晶体管双电层电容更快的泄放，从而提升系统稳定性。
3、本申请设计所需要的电子元件与CMOS工艺兼容，而且仅需要一个双电层晶体管、一个忆阻器、两个定值电阻就可实现，极大的降低了电路的制备成本，简化集成难度，降低占用面积。
4、本申请设计的神经元电路只包括膜电位积累单元、泄放单元和脉冲产生单元；克服电子系统复杂度过高的问题，其可以工作在低电压环境下，节省功耗。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，从而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下以本申请的较佳实施例并配合附图详细说明如后。
根据下文结合附图对本申请具体实施例的详细描述，本领域技术人员将会更加明了本申请的上述及其他目的、优点和特征。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明提供的一种具有泄漏-积分-发射功能的人工神经元的电路图；
图2为本发明提供的LIF模型神经元电路在输入VDD为偏置电压、Vin为固定频率脉冲信号时膜电压Vout及输出电流Iout的示意图；
图3为本发明提供的双电层晶体管与忆阻器采取基于薄膜工艺的集成制备设计图；
图4为本发明提供的双电层晶体管与忆阻器采用基于MOSFET设计结构的集成制备设计图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。在下面的描述中，提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本申请的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本申请的范围和精神。另外，为了清楚和简洁，实施例中省略了对已知功能和构造的描述。
应该理解，说明书通篇中提到的“一个实施例”或“本实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“一个实施例”或“本实施例”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
此外，本申请可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身并不指示所讨论各种实施例和/或设置之间的关系。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况，本文中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。
本文中术语“至少一种”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和B的至少一种，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含。
实施例1
本实施例主要介绍一种具有泄漏-积分-发射功能的人工神经元的设计。
一种具有泄漏-积分-发射功能的人工神经元的设计，其包括膜电位积累单元、泄放单元和脉冲产生单元；
所述膜电位积累单元与泄放单元相连；
所述脉冲产生单元同时与膜电位积累单元、泄放单元相连。
进一步的，所述膜电位积累单元为具有双电层效应，且能进行塑性调节的晶体管；
所述晶体管的源端作为输出端与脉冲产生单元的输入端相连；
所述晶体管的栅极与泄放单元的定值电阻相连；
所述晶体管的漏端与一个恒定的电压或者恒定的脉冲端VDD相连。
进一步的，所述脉冲产生单元为易失性阈值转变忆阻器，其输入端分别与膜电位积累单元的源端以及泄放单元相连。
进一步的，所述泄放单元由一个定值电阻一端分别连接膜电位积累单元的栅极和源极组成；
所述定值电阻另一端与一个恒定的电压或者恒定的脉冲端Vin相连。
进一步的，所述晶体管的特性为：在栅极上施加信号后，沟道等效电阻降低，并且在栅极撤去信号后，晶体管沟道的等效电阻并不是立刻上升到初始值，而是缓慢上升到初始值。
在一个实施例中，所述膜电位积累单元为具备多个侧栅电极结构的多栅晶体管，所述侧栅电极作为神经元树突上的突触前输入端。
进一步的，所述晶体管的电极材料选自氧化铟锡、金、银、铜、钛、铂、铝以及其他金属电极或导电聚合物；
所述晶体管的沟道材料选自铟镓锌氧、铟钨氧、石墨烯、二硫化钼、铟锌氧、碳纳米管、氧化锂硅以及其他半导体氧化物或二维材料；所述栅介质材料选自壳聚糖、低温氧化硅、聚乙烯醇、聚环氧乙烷以及五氧化二铌。
进一步的，所述易失性阈值转变忆阻器特性为，在易失性阈值转变忆阻器两端施加电压或电流后，其阻态发生转变，撤去电压或电流后，易失性阈值转变忆阻器的电阻能够自发的恢复。
进一步的，所述定值电阻的阻值限定在易失性阈值转变忆阻器的高、低阻态之间。所述忆阻器的高阻态：忆阻器在电阻值跃变为低阻值前器件的电阻值(对于本设计中的TaOx忆阻器其高阻态为1011-109Ω)；所述忆阻器的低阻态：忆阻器在电阻值跃变为低阻值后器件的电阻值(对于本设计中的TaOx忆阻器其低阻态为107-102Ω)。
在一个实施例中，所述易失性阈值转变忆阻器可替换为扩散型忆阻器。
所述的双电层晶体管不仅可以采用顶栅结构、底栅结构，还可以采用多侧栅结构，采用晶体管的多个侧栅电极作为神经元树突上的多个突触前输入端，调节源漏电极兴奋性突触后电流，实现多信号输入及时空信号的整合，最终传递给忆阻器进行神经元树突时空信号处理功能的模拟；多栅极输入时，可以将其中一个栅极接地，以实现晶体管双电层电容更快的泄放，从而提升系统稳定性。
如图1的电路设计，该电路将双电层晶体管源端与易失性忆阻器相连，并将栅极与源端短接，以此构成了一种具有泄漏-积分-发射功能的人工神经元单元，以其串联的电阻端的分压作为输出单元。
本申请设计所需要的电子元件与CMOS工艺兼容，而且仅需要一个双电层晶体管、一个忆阻器、两个定值电阻就可实现，极大的降低了电路的制备成本，简化集成难度，降低占用面积。
本申请设计的神经元电路只包括膜电位积累单元、泄放单元和脉冲产生单元；克服电子系统复杂度过高的问题，其可以工作在低电压环境下，节省功耗。
实施例2
图2为本发明提供优选实施例的LIF模型神经元电路在输入VDD为偏置电压、Vin为固定频率脉冲信号时膜电压(Vout)及输出电流(Iout)的示意图。当Vin：0.6V，25ms，20Hz；VDD：2V；双电层晶体管在积累一段时间栅极脉冲后沟道电导上升，使得忆阻器两端分压逐步上升到阈值电压附近，最终使得忆阻器阻态发生转变，此时电路的输出电路突然上升，表现出如图2中Iout，此时与忆阻器串联的定值电阻上的分压也相应的增加如图2中Vout，忆阻器阻态由高阻态转变为低阻态后，其两端分压相较于晶体管很小，此时Vg上的分压也很小，双电层晶体管的沟道电导也随之下降。VDD的电压重新主要分配到双电层晶体管上，阈值转变忆阻器由于其易失性特性，阻态也恢复到高阻态，因此Iout也下降回较低状态，Vout也随Iout变化；Vout：0.6V，160ms，1Hz。
通过上述数据，能够明确得出本申请设计的一种具有泄漏-积分-发射功能的人工神经元，通过神经元核心电路采用一个双电层晶体管与忆阻器的动态分压电路来模拟神经元膜电位的积累与泄放，忆阻器的易失性阈值转变特性来模拟脉冲产生的方式；可以实现模拟神经元的效果。
实施例3
基于上述实施例1，本实施例主要介绍一种具有泄漏-积分-发射功能的人工神经元的第一种设计。
对图1设计的电路中核心部件双电层晶体管与忆阻器采取基于薄膜工艺的集成制备方案。如图3：采用顶栅设计结构，在衬底上制备源漏电极与IGZO沟道材料，在沟道材料的上面制备低温氧化硅栅介质材料，在栅介质材料上制备栅极电极并将其与源端相连通；在栅端电极上自下而上依次制备忆阻器上电极、活性层、下电极。并在栅极上制备分压电阻R1以连接。以晶体管的栅极上的分压电阻R1作为输入端，漏端施加恒定偏压，忆阻器的下电极处的分压为输出端Vout，同时忆阻器的下电极连接分压电阻R2以接地。图3为在硅基衬底上沉积IGZO沟道材料，源漏采用金属电极沉积在IGZO两侧，漏端接偏置电压VDD，在IGZO上沉积低温生长的SiO2并向源漏电极上部分延申覆盖至源漏电极，于SiO2上沉积金属电极作为栅极，并向源端延申保证其与源端相连接；栅极上一侧沉积金属氧化物作为电阻(R1)，R1处连接输入信号VIN，另一侧自下而上依次制备忆阻器上电极Ag、活性层TaO、下电极ITO；并串联一个电阻(R2)以接地，R2与ITO处的分压为器件的输出信号VOUT。
实施例4
基于上述实施例1，本实施例主要介绍一种具有泄漏-积分-发射功能的人工神经元的第二种设计。
对图1设计的电路中核心部件双电层晶体管与忆阻器采用基于MOSFET设计结构的集成制备方案。如图4：以P-Si为衬底，Si作为沟道层，以低温氧化硅作为栅介质层，在栅介质材料上制备栅极电极并将其与源端相连通；在栅端电极上自下而上依次制备忆阻器上电极、活性层、下电极；并在栅极上制备分压电阻R1以连接。以晶体管的栅极上的分压电阻R1作为输入端，漏端施加恒定偏压，忆阻器的下电极处的分压为输出端Vout，同时忆阻器的下电极连接分压电阻R2以接地。图4为用一块P型硅半导体材料作衬底，在其面上扩散了两个N型区，再在上面覆盖一层二氧化硅(SiO2)绝缘层，最后在N区上方用腐蚀的方法做成两个孔用金属化的方法形成S(源极)及D(漏极)；在绝缘层上用金属化的方法形成G(栅极)并向源端延申保证其与源端相连接；栅极上一侧沉积金属氧化物作为电阻(R1)，R1处连接输入信号VIN，另一侧自下而上依次制备忆阻器上电极Ag、活性层TaO、下电极ITO；并串联一个电阻(R2)以接地，R2与ITO处的分压为器件的输出信号VOUT。
以上所述仅为本发明的优选实施例而已，其并非因此限制本发明的保护范围，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，通过常规的替代或者能够实现相同的功能在不脱离本发明的原理和精神的情况下对这些实施例进行变化、修改、替换、整合和参数变更均落入本发明的保护范围内。
Claims (10)
1.一种具有泄漏-积分-发射功能的人工神经元，其特征在于，其包括膜电位积累单元、泄放单元和脉冲产生单元；
所述膜电位积累单元与泄放单元相连；
所述脉冲产生单元同时与膜电位积累单元、泄放单元相连。
2.根据权利要求1所述的一种具有泄漏-积分-发射功能的人工神经元，其特征在于，所述膜电位积累单元为具有双电层效应且能进行塑性调节的晶体管；
所述晶体管的源端作为输出端与脉冲产生单元的输入端相连；
所述晶体管的栅极与泄放单元的定值电阻相连；
所述晶体管的漏端与一个恒定的电压或者恒定的脉冲端VDD相连。
3.根据权利要求1所述的一种具有泄漏-积分-发射功能的人工神经元，其特征在于，所述脉冲产生单元为易失性阈值转变忆阻器，其输入端分别与膜电位积累单元的源端以及泄放单元相连。
4.根据权利要求1所述的一种具有泄漏-积分-发射功能的人工神经元，其特征在于，所述泄放单元由一个定值电阻和膜电位积累单元的栅极和源极组成；
所述定值电阻一端分别与膜电位积累单元的栅极和源极连接；
所述定值电阻另一端与一个恒定的电压或者恒定的脉冲端Vin相连。
5.根据权利要求2所述的一种具有泄漏-积分-发射功能的人工神经元，其特征在于，所述晶体管的特性为：在栅极上施加信号后，沟道等效电阻降低，并且在栅极撤去信号后，晶体管沟道的等效电阻并不是立刻上升到初始值，而是缓慢上升到初始值。
6.根据权利要求2或5任一项所述的一种具有泄漏-积分-发射功能的人工神经元，其特征在于，所述晶体管还能够替换为具备多个侧栅电极结构的多栅晶体管，所述侧栅电极作为神经元树突上的突触前输入端。
7.根据权利要求2或5任一项所述的一种具有泄漏-积分-发射功能的人工神经元，其特征在于，所述晶体管的电极材料选自氧化铟锡、金、银、铜、钛、铂、铝或导电聚合物；
所述晶体管的沟道材料选自铟镓锌氧、铟钨氧、石墨烯、二硫化钼、铟锌氧、碳纳米管、氧化锂硅或二维材料；所述栅介质材料选自壳聚糖、低温氧化硅、聚乙烯醇、聚环氧乙烷以及五氧化二铌。
8.根据权利要求3所述的一种具有泄漏-积分-发射功能的人工神经元，其特征在于，所述易失性阈值转变忆阻器特性为，在易失性阈值转变忆阻器两端施加电压或电流后，其阻态发生转变，撤去电压或电流后，易失性阈值转变忆阻器的电阻能够自发的恢复。
9.根据权利要求4所述的一种具有泄漏-积分-发射功能的人工神经元，其特征在于，所述定值电阻的阻值限定在易失性阈值转变忆阻器的高、低阻态之间。
10.根据权利要求3所述的一种具有泄漏-积分-发射功能的人工神经元，其特征在于，所述易失性阈值转变忆阻器替换为扩散型忆阻器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210478148.0A CN114792130A (zh) | 2022-05-05 | 2022-05-05 | 一种具有泄漏-积分-发射功能的人工神经元 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210478148.0A CN114792130A (zh) | 2022-05-05 | 2022-05-05 | 一种具有泄漏-积分-发射功能的人工神经元 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114792130A true CN114792130A (zh) | 2022-07-26 |
Family
ID=82461513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210478148.0A Pending CN114792130A (zh) | 2022-05-05 | 2022-05-05 | 一种具有泄漏-积分-发射功能的人工神经元 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114792130A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115148845A (zh) * | 2022-09-05 | 2022-10-04 | 浙江大学杭州国际科创中心 | 一种感光神经元晶体管及其制备方法、使用方法 |
| CN115906961A (zh) * | 2023-02-22 | 2023-04-04 | 北京大学 | 基于易失性阈值阻变忆阻器的自适应人工脉冲神经元电路 |
-
2022
- 2022-05-05 CN CN202210478148.0A patent/CN114792130A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115148845A (zh) * | 2022-09-05 | 2022-10-04 | 浙江大学杭州国际科创中心 | 一种感光神经元晶体管及其制备方法、使用方法 |
| CN115906961A (zh) * | 2023-02-22 | 2023-04-04 | 北京大学 | 基于易失性阈值阻变忆阻器的自适应人工脉冲神经元电路 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lu et al. | Solution-processed electronics for artificial synapses | |
| CN114792130A (zh) | 一种具有泄漏-积分-发射功能的人工神经元 | |
| Jiang et al. | Emerging synaptic devices: from two-terminal memristors to multiterminal neuromorphic transistors | |
| Sun et al. | The future of memristors: Materials engineering and neural networks | |
| Ling et al. | Electrolyte-gated transistors for synaptic electronics, neuromorphic computing, and adaptable biointerfacing | |
| Yi et al. | Biological plausibility and stochasticity in scalable VO2 active memristor neurons | |
| CN109447250A (zh) | 一种基于忆阻器中电池效应的人工神经元 | |
| Gumyusenge et al. | Materials strategies for organic neuromorphic devices | |
| CN103580668A (zh) | 一种基于忆阻器的联想记忆电路 | |
| US20210012974A1 (en) | Fully-printed all-solid-state organic flexible artificial synapse for neuromorphic computing | |
| EP1866848A2 (en) | Electronic synapse device | |
| CN111967589A (zh) | 神经元模拟电路及其驱动方法、神经网络装置 | |
| Sun et al. | Emerging electrolyte-gated transistors for neuromorphic perception | |
| CN109816096A (zh) | 一种基于忆阻器的感知器神经网络电路及其调节方法 | |
| CN113196307A (zh) | 神经元及包括其的神经形态系统 | |
| Ye et al. | Self-powered perception system based on triboelectric nanogenerator and artificial neuron for fast-speed multilevel feature recognition | |
| Hosseini et al. | An organic synaptic circuit: toward flexible and biocompatible organic neuromorphic processing | |
| CN115906961B (zh) | 基于易失性阈值阻变忆阻器的自适应人工脉冲神经元电路 | |
| CN109086882B (zh) | 一种具有记忆功能的神经突触网络 | |
| CN217443887U (zh) | 三端忆阻神经元器件 | |
| CN109948792A (zh) | 一种基于晶体管和忆阻器的模拟联想学习电路及控制方法 | |
| KR102480434B1 (ko) | 선형 전류-전압 특성의 시냅스 소자 및 신경망 회로 | |
| US20200320374A1 (en) | Memristive Multi-terminal Spiking Neuron | |
| CN111384943B (zh) | 一种柔性仿神经元电路及基于其的脉冲神经网络 | |
| Mohanan et al. | Optimization of Leaky Integrate-and-Fire Neuron Circuits Based on Nanoporous Graphene Memristors |
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 |