社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

中国科学院金属研究所任文才研究员Nat Commun:基于二维超离子导体的多模态离子门控晶体管用于深度学习中的内存计算

低维 昂维 • 3 月前 • 187 次点击  
图片
图片
点击蓝字
 
关注我们
为了方便各位同学交流学习,解决讨论问题,我们建立了一些微信群,作为互助交流的平台。
加微信交流群方式:
1.添加编辑微信:13162018291;
2.告知:姓名-课题组-研究方向,由编辑审核后邀请至对应交流群(生长,物性,器件);
欢迎投稿欢迎课题组投递中文宣传稿,免费宣传成果,发布招聘广告,具体联系人:13162018291(微信同号)

成果介绍

对于神经形态计算而言,将乘积累加运算与非线性激活功能集成于同一器件中,既能降低延迟和功耗,又能提高计算效率。然而,这两种操作对器件性能的要求相互矛盾:乘积累加运算需要高度线性和非易失性的电阻状态,而激活功能则需要多样化的非线性突触行为。这种截然不同的需求使得在单一器件中集成两种功能颇具挑战性。

在此,中国科学院金属研究所任文才研究员团队构建了一种多模态离子门晶体管,采用二维CdPS₃-Li作为介电层、MoS₂作为沟道材料。CdPS₃-Li的层状结构有利于锂离子存储的各向异性输运,并产生强烈的离子-电子耦合效应,从而在电脉冲作用下实现高线性且非易失的电阻状态。此外,CdPS₃-Li中的镉空位能吸引并捕获MoS₂中光生空穴,进而在光脉冲激励下呈现出丰富的非线性行为。因此,该CdPS₃-Li晶体管可同时执行两类操作。基于CdPS₃-Li晶体管阵列的手写数字分类实现了高精度识别,为神经形态计算提供了有前景的硬件解决方案。

图文导读

图1. 多模态人工突触的构建、二维CdPS₃-Li纳米片的微观结构与离子传输特性。a. 突触可塑性功能作为新型非线性激活函数的转换过程。b. 多模态突触示意图,该器件可在电脉冲下产生高度线性的电阻状态,并在光脉冲下呈现非线性突触行为。c. 采用化学气相输运法生长的CdPS₃-Li晶体照片。比例尺,2厘米。d. 环境条件下CdPS₃-Li晶体和薄膜的X射线衍射图谱。e. CdPS₃-Li晶体的X射线光电子能谱。f. CdPS₃-Li纳米片的平面高角环形暗场-扫描透射电子显微镜图像,箭头标示镉空位特征。g. CdPS₃-Li晶体的横截面高角环形暗场-扫描透射电子显微镜图像,呈现有序层状结构。h. 环境条件下CdPS₃-Li纳米片沿面内和面外方向的奈奎斯特图。插图为面内与面外方向离子电导率对比。

图2. CdPS₃-Li/MoS₂离子栅晶体管中的强离子-电子耦合与光生空穴转移。a.  二维CdPS₃-Li离子栅晶体管结构示意图及其在电脉冲和光脉冲下的突触行为。b. 环境条件下,不同源漏电压下二维CdPS₃-Li离子突触晶体管的转移曲线,顶栅电压从-3 V扫描至3 V再回扫至-3 V。作为对比,同时制备了以BN或SiO₂为介电层的MoS₂晶体管,其表现出较小的滞回窗口(VGS = 0 V时小于20)。c. 沿补充图10中白线测量的Au/SiO₂/Si衬底上二维CdPS₃-Li/MoS₂异质结构的表面电势。测量分别在施加栅脉冲前、施加栅脉冲后、以及撤去栅压后1分钟和5分钟时进行。d、e. MoS₂(d)和MoS₂/CdPS₃-Li(e)的飞秒瞬态吸收光谱。f、g. MoS₂(f)和MoS₂/CdPS₃-Li(g)的飞秒瞬态吸收映射图。

图3. 二维CdPS₃-Li离子栅晶体管在电刺激下的突触行为。a、b. 施加正栅极电压脉冲(a)和负栅极电压脉冲(b)后的电流变化。c. 二维CdPS₃-Li离子栅晶体管在VDS = -100 mV下的保持特性测试。低阻态和高阻态分别通过施加+3 V和-3 V的栅极电压实现,脉冲宽度为1秒。d. 二维CdPS₃-Li离子栅晶体管的累积写入与擦除过程,展示渐进式多级态。写入和擦除过程分别使用200 mV和-200 mV的电脉冲,脉冲宽度均为1毫秒,间隔为5秒。e. 累积电写入和擦除过程。f. CdPS₃-Li离子栅晶体管在不同温度下的突触行为。g. ∆I随温度(开尔文)的变化函数。h、i. 二维CdPS₃-Li离子栅晶体管在不同栅极电压(h)和不同脉冲宽度(i)下的突触行为。j. 突触电流绝对变化量(|∆I|)随栅极电压的变化(脉冲宽度为1毫秒)。k. |∆I |随脉冲宽度的变化(栅极电压恒定为500 mV)。l. 二维CdPS₃-Li离子栅晶体管中使用500 mV、1毫秒宽电脉冲实现的累积写入渐进式多级态。m. 在VDS = 1 V下,为提取读取噪声而对64个电导态进行的保持特性测试。

图4. 二维CdPS₃-Li离子栅晶体管在光脉冲下的突触行为。a. CdPS₃-Li离子栅晶体管中的光电流衰减过程。该曲线可通过双指数衰减函数很好地拟合,并获得了两个不同的时间常数。b. 双脉冲易化比率随脉冲间隔的变化,其中黑线代表使用双指数衰减函数的拟合结果。插图为双脉冲易化效应:施加一对光脉冲(0.1 mW/cm²,1毫秒),使用1 V的VDS读取器件状态,脉冲间隔为4.5毫秒。c. 由一串光脉冲(1.02 mW/cm²,10毫秒)诱导的兴奋性突触后电流,使用1 V的VDS读取器件状态。d. 对器件施加脉冲宽度递增的光脉冲(1.02 mW/cm²)时获得的突触后电流。e. 对器件施加光强度递增的光脉冲(2毫秒脉冲)时获得的突触后电流,显示出在更高光强度下产生更大的光电流。f、g. 弛豫时间对脉冲宽度(f)和光强度(g)的依赖性。h、i. CdPS₃-Li晶体管与已报道的电突触和离子突触在电导比随非线性变化关系(h)以及电脉冲下每脉冲能耗随工作电压变化关系(i)方面的比较。

图5. 用于乘积累加运算和激活函数的CdPS₃-Li离子栅晶体管阵列。a. 16×10 CdPS₃-Li离子栅晶体管阵列的光学显微镜图像,该阵列在前向传播中集成了乘积累加运算模块。b. 训练过程中,乘积累加运算阵列内部分CdPS₃-Li离子栅晶体管权重的演化过程。c. 用于激活函数的2×8阵列光学显微镜图像。d.  激活函数模块中,CdPS₃-Li离子栅晶体管在训练周期内受光脉冲作用时的输出突触后电流曲线。当使用激光对阵列进行编程时,光斑完全覆盖所有器件,使其能够在光脉冲下同时产生突触后电流,从而实现快速写入速度。e. 示意图展示了CdPS₃-Li离子栅晶体管阵列执行的前向传播过程,该过程不仅执行乘积累加运算,还集成了激活函数模块。反向传播过程由外部电路辅助实现。f. 使用CdPS₃-Li离子栅晶体管阵列训练卷积神经网络的过程。损失随训练周期数的变化曲线。此外,还展示了初始周期以及第3、7、12和30个周期的训练分类结果。g. 准确率随训练周期的变化曲线,训练在第50个周期完成。通过使用CdPS₃-Li离子栅晶体管阵列,在第30个周期后达到了97.5%的准确率。

结论与展望

在人脑中,突触涉及多个神经元之间的连接,每个突触可以释放多种类型的神经递质。这些神经递质能够激活不同类型的受体,进而影响神经元的兴奋或抑制性质,从而建立不同的突触权重——这是并行处理的一个基本原理。二维CdPS₃-Li的一个重要特性是,其Li⁺离子可通过溶液置换法交换为其他离子(如K⁺和Mg²⁺),从而产生多种高度各向异性的层状超离子导体。这使我们能够构建多离子突触来模拟人脑中的并行处理。多离子突触间的协同效应显著增强了整体突触权重。在这种结构中,每种离子对电导调制的贡献不同,它们的联合作用产生的突触权重范围比单一离子突触所能实现的更广泛、更灵活。因此,多离子突触为生物神经网络中神经递质的协同信号传递提供了类比,从而为模拟受大脑启发的并行信息处理奠定了基础。

文献信息

Tong, B., Du, T., Du, J. et al. Multimodal ion-gated transistor based on 2D superionic conductor for in-memory computing in deep learning. Nat Commun (2026). 

文献链接:https://doi.org/10.1038/s41467-026-70587-w

,以及各种测试分析,

图片
h-BN
图片
图片
图片


 

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/194113