在神经元和突触中，约100 mV幅度的动作电位在毫秒的特征时间尺度内演变，这从根本上限制了动物的思考和反应速度。因为液态水在>1.23 V的电压下分解，所以可以理解弱动作电位。然而，借助用于模拟机器学习的人造固态神经元和突触，研究工作不再受到水电解质稳定性窗口的限制。此外，还可以通过103（从~10 mm 到 ~10 nm）的长度尺度收缩因子制造比生物神经元小得多的设备。这种可能性提出了一个基本问题，即，基于固态离子的模拟深度学习的最终速度限制是多少？此外，当接近这个速度限制时，考虑到耗散过程通常会在每个任务中产生更多的熵，任务完成得越快，训练的能量密集程度如何？
有鉴于此，美国麻省理工学院MIT-IBM 沃森人工智能实验室Murat Onen，李巨，Bilge Yildiz，Jesús A. del Alamo等人报道了硅兼容的纳米级质子可编程电阻器，在极端电场下具有非常理想的特性。这种操作机制能够在室温下，以节能的方式，在纳秒内控制质子的穿梭和嵌入。该器件表现出对称、线性和可逆的调制特性，许多电导态覆盖20倍的动态范围。
本文要点：
1）该工作中研究的三端质子可编程电阻器（图A）是通过一系列电子束光刻工艺制造的。自对准栅极结构用于缩小器件尺寸，避免掩模对准限制。
该工艺的一个关键设计方面，Pd层覆盖在一个大区域上（图B），然后用作下方磷硅玻璃（PSG）层的蚀刻掩模。校准沟道电极（Au）的高度，使PSG层可以覆盖侧壁，并且与沟道电极重叠的Pd层与栅电极断开（图C），避免这些区域的充电和不必要的电容。
2）当电压约为+10/ -8.5 V时，文中的方法产生了极快的纳米离子器件（5 ns），至少是生物突触的104倍，产生极高的电穿过质子传导PSG SE的场约为1 V/nm。
在适当的操作参数下，这种非线性离子电子器件是稳健且可逆的，可在数百万次循环中成功运行，其运行速度是传统固态电池的 1010 倍。即使接近设备的极限速度，与人类突触产生的热量（每个状态约 10 fJ）相比，每个编程任务产生的热量仍然是有利的。这些发现还为需要快速离子运动的领域开辟了可能性。
参考文献:
Nanosecond protonic programmable resistors for
analog deep learning
DOI: 10.1126/science.abp8064
https://www.science.org/doi/10.1126/science.abp8064
同步辐射丨球差电镜丨FIB-TEM
原位XPS、原位XRD、原位Raman、原位FTIR
加急测试
朱老师
学研汇技术经理
158 7177 4683
官方网站：www.xueyanhui.com
