CN116723760A - 一种可模拟突触可塑性和动作电位的忆阻器结构及其制备方法 - Google Patents

一种可模拟突触可塑性和动作电位的忆阻器结构及其制备方法 Download PDF

Info

Publication number
CN116723760A
CN116723760A CN202210187434.1A CN202210187434A CN116723760A CN 116723760 A CN116723760 A CN 116723760A CN 202210187434 A CN202210187434 A CN 202210187434A CN 116723760 A CN116723760 A CN 116723760A
Authority
CN
China
Prior art keywords
oxide
memristor
bottom electrode
substrate
top 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.)
Pending
Application number
CN202210187434.1A
Other languages
English (en)
Inventor
曾飞
虞俊纬
万钦
潘峰
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202210187434.1A priority Critical patent/CN116723760A/zh
Publication of CN116723760A publication Critical patent/CN116723760A/zh
Pending legal-status Critical Current

Links

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

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)
  • Micromachines (AREA)

Abstract

本发明公开了一种可同时模拟突触可塑性和动作电位的忆阻器及其制备方法。所述忆阻器包括由下至上依次设置的基片、底电极、忆阻功能层和顶电极，忆阻功能层为氧化物薄膜，氧化物薄膜的材质为氧化铪、氧化钽、氧化锆、氧化锌、氧化铝、氧化铌、氧化钒、氧化钨、氧化钼和氧化镍中至少一种，忆阻功能层的厚度为5～50nm。本发明不用改变材料和制作工艺，只需要改变信号输入模式，就可以通过一种忆阻器件同时模拟生物神经元的突触权重改变和动作电位发放的两种主要功能，有利于大规模推广，简化构造人工神经网络和类脑芯片的制备工艺。

Description

一种可模拟突触可塑性和动作电位的忆阻器结构及其制备 方法
技术领域
本发明涉及一种可模拟突触可塑性和动作电位的忆阻器结构及其制备方法，属于信息、电子、材料技术领域。
背景技术
目前人工神经网络是国际上关注的前沿热点，研究人员一直致力于利用非线性电路、FPGA和VLSI等手段来模拟神经元放电、突触可塑性等神经元的基本生物特性，人脑中有多达1011个神经元和1015个突触，仅模拟一个神经元、一个突触、一个学习模块就需要数十个晶体管、电容和加法器。如果使用传统计算机来模拟大脑皮层，其体积和功耗都将无比巨大(Indiveri,G.et al.,Neuromorphic silicon neuron circuits.Front.Neuronsci.5,73(2011))。研究表明：忆阻器作为一种电阻可变的两端器件，可以用来模拟神经突触可塑性(Jo,S.H.,et al.Nanoscale memristor device as synapse in neuromorphicsystems.Nano Lett.10,1297-1301(2010)；Kuzum,D.,et al.,Nanoelectronicprogrammable synapses based on phase change materials for brain-inspiredcomputing.Nano Lett.12,2179-2186(2012))和神经元动作电位(4)Pickett,M.D.,etal.,A scalable neuristor built with Mott memristors.Nature Mater.12,114-117(2013))。一个分立的器件就可以执行上述复杂晶体管模块的任务。很显然，用忆阻器组建人工神经网络，将大大简化了芯片的结构、降低功耗、提高集成度。
目前的研究一般利用非易失性阻变的一类忆阻器来模拟生物神经元突触权重的改变。利用基于金属-绝缘体转变(莫特相变)的一类忆阻器来模拟生物神经元中动作电位的产生。在神经形态电路中，完成信号的生成和传递需要集成这两种功能不一样的忆阻材料和结构。由于它们的类型和结构的相差较大，使得电路和芯片工艺很复杂。因此，如何选择材料和设计结构，只需要调节输入输出模式，通过一种忆阻器件结构可以模拟两大神经基元功能，成为大规模推广基于忆阻器的人工神经网络的重要课题。
发明内容
本发明的目的是提供一种可同时模拟突触可塑性和动作电位的忆阻器结构及其制备方法，以便简化大规模人工神经网络电路的设计和制造。
本发明所提供的可同时模拟突触可塑性和动作电位的忆阻器，包括由下至上依次设置的基片、底电极、忆阻功能层和顶电极；
所述忆阻功能层为氧化物薄膜Ⅰ和氧化物薄膜Ⅱ，所述氧化物薄膜Ⅱ为下述1)或2)：
1)由所述底电极形成的氧化物薄膜，位于所述底电极与所述氧化物薄膜Ⅰ之间；
2)由所述顶电极形成的氧化物薄膜，位于所述顶电极与所述氧化物薄膜Ⅰ之间；
所述忆阻功能层同时具备易失和非易失阻变特性。
上述的忆阻器中，所述氧化物薄膜的材质可为氧化铪、氧化钽、氧化锆、氧化锌、氧化铝、氧化铌、氧化钒、氧化钨、氧化钼和氧化镍中至少一种。
上述的忆阻器中，所述忆阻功能层中，所述氧化物薄膜Ⅰ的厚度可为5～50nm，优选为10nm；
所述氧化物薄膜Ⅱ的厚度可为5～20nm，优选为10nm。
上述的忆阻器中，所述基片可为SiO2/Si基片；
所述基片的厚度可为0～1000μm，但不为零；
所述底电极的材质为化学惰性金属或过渡族金属，所述顶电极的材质为化学惰性金属或过渡族金属，且两者不相同，即当所述底电极的材质为所述化学惰性金属时，则所述顶电极的材质为所述过渡族金属，当所述底电极的材质为所述过渡族金属时，则所述顶电极的材质为所述化学惰性金属；
当所述底电极为所述过渡族金属时，所述氧化物薄膜Ⅱ为由所述底电极形成的薄膜；
当所述顶电极为所述过渡族金属时，所述氧化物薄膜Ⅱ为由所述顶电极形成的薄膜。
上述的忆阻器中，所述化学惰性金属可为Pd、Pt和Au中至少一种；
所述过渡族金属可为Nb、V、W、Mo和Ni中至少一种；
所述底电极的厚度可为20～100nm，优选为55nm；
所述顶电极厚度可为20～100nm，优选为50nm。
本发明忆阻器中，所述底电极、所述忆阻功能层与所述顶电极之间形成十字交叉结构；
所述底电极嵌于所述基片中，且所述底电极的表面与所述基片的表面齐平。
本发明还提供了所述忆阻器的制备方法，包括如下步骤：
S1、在所述基片上制备所述底电极；
S2、在步骤S1得到的所述基片上制备所述忆阻功能层；
S3、在所述忆阻功能层上制备所述顶电极，即得到所述忆阻器。
具体地，步骤S1中，采用如下步骤制备所述底电极：
S1.1、采用光刻的方式得到所述底电极的图形；
S1.2、采用等离子刻蚀、反应离子刻蚀或湿法刻蚀的方式，在所述基片暴露部分刻蚀出槽，深度为所述底电极的厚度；
S1.3、采用磁控溅射、电子束蒸发、热蒸发或化学气相沉积的方式，向所述基片上沉积所述底电极的材料，厚度为所述底电极的厚度；
然后采用可溶解光刻胶的溶剂去除光刻胶和光刻胶上沉积的材料，获得底电极表面和基片表面齐平的衬底。
具体地，步骤S2中，采用如下步骤制备所述忆阻功能层：
采用磁控溅射、化学气相沉积或原子层沉积的方式制备所述忆阻功能层；
步骤S3中，采用如下步骤制备所述顶电极：
S3.1、采用光刻的方式得到所述顶电极的图形；
S3.2、采用磁控溅射、电子束蒸发、热蒸发或化学气相沉积的方式，向所述基片上沉积所述顶电极的材料，厚度为所述顶电极的厚度；
然后采用可溶解光刻胶的溶剂去除光刻胶和光刻胶上沉积的材料，获得顶电极图形。
上述的制备方法中，所述光刻的方式为紫外曝光或电子束曝光；
S1.2中，所述反应离子刻蚀的条件可为：真空室本底气压低于1×10-4Pa，工作氛围为纯六氟化硫，气压约为0.5Pa，溅射功率50～300W；具体可为200W；刻蚀时间可为20～40s；
S1.3中，所述电子束蒸发的条件可为：真空室本底气压低于1×10-8Torr，使用纯金属靶材(Ti、Pd(或Pt、Au))，速率为0.01～0.04nm/s；具体可为0.02nm/s；
S2中，所述原子层沉积的条件可为：真空室本底气压低于100Pa，使用TDMAHf(四(二甲氨基)铪)作为铪源，H2O(去离子水)作为氧源时，沉积温度为250℃，循环次数为100～300；具体可为125；
S3.2中，所述磁控溅射具体为磁控溅射，条件可为：真空室本底气压低于1×10- 4Pa，工作氛围为纯氩气，溅射气压约为0.6Pa，溅射功率10～100W；具体可为20W；溅射时间可为15～30min；工作电流可为0.06～0.08A；具体可为0.07A；工作电压为260～300V；具体可为280V。
将所述底电极和所述顶电极各引出两根导线即可进行电学性能的测试。
本发明忆阻器在正负向电压扫描下显示出稳定的双极性阻变特性。同时保持为高阻态时，在负向电压扫描下显示出稳定的阈值转变特性，如图2(a)所示。
本发明忆阻器保持为高阻态，串联3000欧姆电阻，采用电压脉冲输入时，显示出稳定的电流尖峰发放特性，如图2(b)所示。
在正向和负向连续电压脉冲输入刺激下，响应电流分别逐渐上升和下降，如图2(c)和图2(d)所示。
本发明具有如下有益技术效果：
不用改变材料和制作工艺，只需要改变信号输入模式，就可以通过一种忆阻器件同时模拟生物神经元的突触权重改变和动作电位发放的两种主要功能，有利于大规模推广，简化构造人工神经网络和类脑芯片的制备工艺。
附图说明
图1为本发明可模拟突触可塑性和动作电位的忆阻器的结构示意图，其中，1-衬底，2和3-底电极层，4和5-忆阻功能层，6-顶电极层。
图2为本发明实施例1制备的1号忆阻器件的I－V特性曲线，其中，图2(a)为正负向电压扫描下显示的出双极性阻变特性，以及高阻态时，负向电压扫描下显示出的阈值转变特性；图2(b)为器件在高阻态和串联3000欧姆电阻时，在负向电压脉冲刺激下，显示出的稳定的电流尖峰发放特性，可用于模拟生物神经元的动作电位；图2(c)和图2(d)为器件在正向和负向连续电压脉冲输入刺激下，响应电流分别逐渐上升和下降的特性，可用于模拟生物神经元突触权重的改变。
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。
下述实施例中，采用的基片为商用SiO2(～220nm)/Si基片，厚度为400～800μm。
实施例1：制备Ti/Pd/HfO2/NbOx/Nb十字交叉结构的忆阻器。
1)将基片(即衬底1)用丙酮、酒精和去离子水各超声清洗4～8分钟，然后再用氮气吹干，在上述基片上旋涂光刻胶，采用掩膜技术，利用紫外曝光机曝光出十字交叉阵列底电极图形部分，显影、除胶后，露出基片表面；
2)将样品放入反应离子刻蚀机真空室，本底真空抽至1×10-4Pa以下，通入纯六氟化硫气体，气压约为0.5Pa，溅射功率200W，刻蚀时间30s，刻蚀SiO2层深度为55nm，结束后向真空室冲入氮气至真空室内压力为大气压，开腔取出样品；
3)将样品放入电子束蒸镀真空室，本底真空度抽至1×10-8Torr以下后，开始镀膜，依次使用Ti和Pd的纯金属靶材，速率为0.02nm/s，控制沉积的Ti层厚5nm，Pd层厚50nm，即为底电极层2和3；
4)镀膜完成后，关闭电源，向电子束蒸镀机的真空室中充入氮气至真空室内压力为大气压，开腔取出样品，采用可溶解光刻胶的溶剂去除光刻胶和光刻胶上沉积的材料，获得底电极表面和基片表面齐平的衬底，再放入原子层沉积设备真空室；
5)本底真空抽至100Pa以下，原子层沉积采用TDMAHf(四(二甲氨基)铪)作为铪源，H2O(去离子水)作为氧源，沉积温度为250℃，循环次数为125，沉积氧化铪层厚度为10nm，即忆阻功能层4，镀膜完成后，关闭电源，向原子层沉积的真空室中充入氮气至真空室内压力为大气压，开腔取出样品；
6)在上述基础上采用掩膜技术和紫外曝光机，曝光出十字交叉阵列顶电极图形部分，显影、除胶后，露出氧化铪层表面，放入磁控溅射镀膜机真空室；
7)本底真空度抽至1×10-4Pa以下后，开始镀膜。Nb顶电极采用直流磁控溅射铌靶进行沉积，通入纯Ar气，气压为0.6Pa，工作电流0.07A；工作电压280V，溅射功率为20W，溅射时间20min，沉积Nb层厚度为50nm，即顶电极层6，同时在忆阻功能层4与顶电极层6形成一层NbOx薄膜，作为忆阻功能层5，厚度约10nm；
8)镀膜完成后，关闭电源，向磁控溅射镀膜机的真空室中充入氮气至真空室内压力为大气压，开腔取出样品，采用可溶解光刻胶的溶剂去除光刻胶和光刻胶上沉积的材料，得到忆阻器。器件剖面图示意图如图1所示。
从底电极和顶电极各引出两根导线进行电阻变化的测试，结果见图2。
从图2(a)可以看出，制备的忆阻器在直流电压正负向扫描中呈现出稳定的双极性阻变特性。同时器件保持为高阻态时，在负向直流电压扫描中呈现出稳定的阈值转变特性。
从图2(b)可以看出，忆阻器在保持为高阻态，并串联外接3000欧姆电阻时，在负向电压脉冲刺激下，显示出稳定的电流发放特性，可用于模拟生物神经元中的动作电位。
从图2(c)和图2(d)可以看出，在正向连续电压脉冲刺激下，其响应电流逐渐增大，对应生物神经元突触权重的逐渐增加，在负向连续电压脉冲刺激下，其响应电流逐渐减小，对应生物神经元突触权重的逐渐减小。
由上述结果可以看出，应用本发明忆阻器，可以只通过改变信号输入模式，就可以分别模拟生物神经元突触权重改变和动作电位发放这两种主要功能，有利于大规模推广，简化构造人工神经网络的工艺。

Claims (10)

1.一种可同时模拟突触可塑性和动作电位的忆阻器，包括由下至上依次设置的基片、底电极、忆阻功能层和顶电极；
所述忆阻功能层为氧化物薄膜Ⅰ和氧化物薄膜Ⅱ，所述氧化物薄膜Ⅱ为下述1)或2)：
1)由所述底电极形成的氧化物薄膜，位于所述底电极与所述氧化物薄膜Ⅰ之间；
2)由所述顶电极形成的氧化物薄膜，位于所述顶电极与所述氧化物薄膜Ⅰ之间。
2.根据权利要求1所述的忆阻器，其特征在于：所述氧化物薄膜的材质为氧化铪、氧化钽、氧化锆、氧化锌、氧化铝、氧化铌、氧化钒、氧化钨、氧化钼和氧化镍中至少一种。
3.根据权利要求1或2所述的忆阻器，其特征在于：所述忆阻功能层中，所述氧化物薄膜Ⅰ的厚度为5～50nm，所述氧化物薄膜Ⅱ的厚度为5～20nm。
4.根据权利要求1-3中任一项所述的忆阻器，其特征在于：所述基片为SiO2/Si基片；
所述基片的厚度为0～1000μm，但不为零；
所述底电极的材质为化学惰性金属或过渡族金属，所述顶电极的材质为化学惰性金属或过渡族金属，且两者不相同；
当所述底电极为所述过渡族金属时，所述氧化物薄膜Ⅱ为由所述底电极形成的薄膜；
当所述顶电极为所述过渡族金属时，所述氧化物薄膜Ⅱ为由所述顶电极形成的薄膜。
5.根据权利要求4所述的忆阻器，其特征在于：所述化学惰性金属为Pd、Pt和Au中至少一种；
所述过渡族金属为Nb、V、W、Mo和Ni中至少一种；
所述底电极的厚度为20～100nm；
所述顶电极厚度为20～100nm。
6.根据权利要求1-5中任一项所述的忆阻器，其特征在于：所述底电极、所述忆阻功能层与所述顶电极之间形成十字交叉结构；
所述底电极嵌于所述基片中，且所述底电极的表面与所述基片的表面齐平。
7.权利要求1-6中任一项所述忆阻器的制备方法，包括如下步骤：
S1、在所述基片上制备所述底电极；
S2、在步骤S1得到的所述基片上制备所述忆阻功能层；
S3、在所述忆阻功能层上制备所述顶电极，即得到所述忆阻器。
8.根据权利要求7所述的制备方法，其特征在于：步骤S1中，采用如下步骤制备所述底电极：
S1.1、采用光刻方式得到所述底电极的图形；
S1.2、采用等离子刻蚀、反应离子刻蚀或湿法刻蚀的方式，在所述基片暴露部分刻蚀出槽，深度为所述底电极的厚度；
S1.3、采用磁控溅射、电子束蒸发、热蒸发或化学气相沉积的方式，向所述基片上沉积所述底电极的材料，厚度为所述底电极的厚度；
步骤S2中，采用如下步骤制备所述忆阻功能层：
采用磁控溅射、化学气相沉积或原子层沉积的方式制备所述忆阻功能层；
步骤S3中，采用如下步骤制备所述顶电极：
S3.1、采用光刻方式得到所述顶电极的图形；
S3.2、采用磁控溅射、电子束蒸发、热蒸发或化学气相沉积的方式，向所述基片上沉积所述顶电极的材料，厚度为所述顶电极的厚度。
9.权利要求1-6中任一项所述忆阻器在类脑计算中的应用。
10.权利要求1-6中任一项所述忆阻器在制备或作为电子突触和神经元中的应用。
CN202210187434.1A 2022-02-28 2022-02-28 一种可模拟突触可塑性和动作电位的忆阻器结构及其制备方法 Pending CN116723760A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210187434.1A CN116723760A (zh) 2022-02-28 2022-02-28 一种可模拟突触可塑性和动作电位的忆阻器结构及其制备方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210187434.1A CN116723760A (zh) 2022-02-28 2022-02-28 一种可模拟突触可塑性和动作电位的忆阻器结构及其制备方法

Publications (1)

Publication Number Publication Date
CN116723760A true CN116723760A (zh) 2023-09-08

Family

ID=87863708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210187434.1A Pending CN116723760A (zh) 2022-02-28 2022-02-28 一种可模拟突触可塑性和动作电位的忆阻器结构及其制备方法

Country Status (1)

Country Link
CN (1) CN116723760A (zh)

Similar Documents

Publication Publication Date Title
Mikhaylov et al. One-board design and simulation of double-layer perceptron based on metal-oxide memristive nanostructures
CN106098932B (zh) 一种线性缓变忆阻器及其制备方法
CN110416312B (zh) 一种低功耗神经突触薄膜晶体管及其制备方法
WO2020119738A1 (zh) 忆阻器及其制作方法
US20220261621A1 (en) Artificial sensory nervous circuit and manufacturing method thereof
KR101811108B1 (ko) 부도체-도체 전이현상을 이용한 뉴런 소자를 포함한 고집적 뉴로모픽 시스템 및 고집적 뉴로모픽 회로
Tu et al. A wide-range operating synaptic device based on organic ferroelectricity with low energy consumption
CN107909146A (zh) 基于易失性阈值转变器件的神经元电路
CN110600610A (zh) 人工神经突触器件及其制备方法
Kim et al. Artificial synaptic and self-rectifying properties of crystalline (Na1-xKx) NbO3 thin films grown on Sr2Nb3O10 nanosheet seed layers
CN116723760A (zh) 一种可模拟突触可塑性和动作电位的忆阻器结构及其制备方法
CN110970554B (zh) 一种钛酸钡单晶外延薄膜阈值开关器件及其制备方法
CN113257996A (zh) 基于铁电畴反转的两端神经形态器件
CN111192957A (zh) 一种易失性与非易失性共存的忆阻器件及制备方法及备选制备方法
CN112420922B (zh) 一种基于钛银合金的低功耗cbram器件及其制备方法和应用
CN111244270B (zh) 一种模拟生物神经元功能的电子器件及方法
CN112951989B (zh) 一种忆阻器组合式交叉阵列的制备方法
CN110289350B (zh) 一种基于金属卟啉异质结忆阻器及其制备方法和应用
CN115241375A (zh) 基于碳纳米管的三端记忆晶体管及其制备方法和使用方法
CN112018236A (zh) 一种基于pzt的忆阻器件、其制备方法及其应用
KR102198574B1 (ko) 유연성 자가 정류 분자 멤리스터 및 그 제조방법
CN111769194A (zh) 一种基于锯齿结构纳米线的柔性光电传感忆阻器
KR20240066801A (ko) 시냅스 소자 및 이의 제조 방법
CN118159122A (zh) 一种基于锰钴镍氧的新型忆阻器及其制备方法
CN114497117A (zh) 一种基于模拟型阻变和阈值型阻变的堆叠忆阻器及其制备方法

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