实验室在铁电晶体管的联想学习神经网络的研究取得新进展

0

铁电材料具有非易失的自发极化,极化的场致反转机制使铁电存储器件的功耗远低于其他类型的存储器件。并且,铁电材料的自发极化可以在外加电场的调控下进行方向上的反转。通过控制外加电场的振幅和时间,可以精确获得铁电极反转过程中的连续变化状态,并且这些中间极化态也是非易失的。以上的非易失、低功耗、易操控等特点使得铁电存储在构建高效忆阻器件和存算一体芯片上具有巨大潜力。

近期(2021-04),华东师范大学极化材料与器件教育部重点实验室段纯刚教授和田博博研究员课题组展示了铁电突触晶体管的神经网络可以实现联想学习任务。铁电聚合物中丰富的极化反转动力学赋予了有机铁电突触晶体管较为完备的Hebbian突触可塑性,可以在同一器件中实现脉冲频率依赖可塑性(SRDP)和脉冲时间依赖可塑性(STDP)。将铁电突触晶体管用于神经元的连接,可以仿生完成兴奋性神经元之间连接强度的自主性增强。基于此特性,该课题组设计了可以实现联想学习功能的突触晶体管阵列,并分别演示了巴甫洛夫的狗听铃铛分泌唾液、盘子联想到厨房和从残缺数字回想起完整数字的任务。该工作以“Ferroelectric synaptic transistor network for associative memory”为题发表于Advanced Electronic Materials (https://onlinelibrary.wiley.com/doi/10.1002/aelm.202001276)。华东师范大学闫梦阁博士生、朱秋香副教授和华中科技大学王思琪硕士生为论文共同第一作者,华东师范大学田博博研究员为通讯作者。

 

图文导读:

铁电材料的非易失、低功耗、易操控等特点使得铁电存储在构建高效忆阻器件和存算一体芯片上具有巨大潜力[1]。铁电聚合物是一种性能稳定、价格低廉的有机铁电材料。铁电聚合物的铁电极化在纳米厚度的薄膜中依旧稳定存在[2],其极化强局域电场可以对半导体材料的费米能级进行有效的非易失调控[3]。铁电聚合物栅的晶体管被当作忆阻器件来模拟生物突触功能,因此也被称作铁电突触晶体管[4]。在本工作中,作者利用铁电聚合物中丰富的极化反转动力学,在有机铁电突触晶体管单一器件中同时实现SRDP和STDP等较为完备的Hebbian突触可塑性。并将铁电突触晶体管应用于神经网络,实现联想学习的任务[5]

图1(a)基于铁电聚合物的三端突触晶体管结构。(b)铁电聚合物在不同振幅电场下的电滞回线。(c)铁电极化畴调控的沟道电导回滞。(d)沟道电导在脉冲激励下的渐变调节。

图2铁电聚合物中存在的非晶态区域在铁电畴中引入较大的退极化场,从而丰富了铁电聚合物的极化反转动力学。(a)铁电聚合物的极化畴畴壁在脉冲电场激励和撤销时的瞬态蠕动。(b)铁电聚合物在不同频率下的电滞回线。短周期三角波电场激励下的反转极化可以被弛豫到原来状态,长周期三角波电场激励下的反转极化具有非易失性。(c)沟道电导和栅介质层中铁电极化在栅电压脉冲串激励过程中的瞬态响应。(d)栅介质层中铁电极化在单个栅电压脉冲激励和撤销时的瞬态响应,动力学过程符合KAI模型。

图3有机铁电突触晶体管中的Hebbian突触可塑性。(a-c)脉冲频率依赖可塑性(SRDP)。(d-f)脉冲时间依赖可塑性(STDP)。(g-j)不同类型突触器件性能对比。有机铁电突触晶体管显示了优异的耐疲劳(g)、可3D集成(h)、超低功耗(i)和覆盖生物脑工作频率(j)等特性。有机铁电突触晶体管的单操作能耗小于1fJ。

图4巴甫洛夫的狗听铃铛分泌唾液。(a)将铁电突触晶体管用于神经元的连接,可以仿生完成兴奋性神经元之间的权重连接和连接强度的增强。(b)具有联想学习功能的突触晶体管阵列电路图。(c-f)训练前(c)、中(e)、后(f)电路对铃铛和骨头的响应以及训练过程中器件电导的演变(d)。

图5盘子联想到厨房。(a)可以识别厨房和办公室的单层神经网络示意图。同时输入盘子、桌子和凳子的信号时判断出厨房。同时输入桌子、凳子和笔记本电脑的信号时判断出办公室。(b)在识别层前加入联想学习功能层的神经网络,通过学习后可以实现盘子联想厨房的功能。(c)基于突触晶体管阵列的联想学习功能层电路结构。(d)联想学习功能层的突触晶体管阵列在训练学习前后的沟道电导状态分布。

图6 从残缺信息联想起全部完整信息。(a)窥一斑而知全豹。(b)基于突触晶体管阵列的联想学习神经网络电路。(c)联想学习的神经网络(b)的映射拓扑结构。(d)用手写数字库训练后,在突触晶体管阵列的联想学习神经网络电路中可以实现从任意残缺手写数字联想到对应的完整数字。

 

文献信息:

1            Bobo Tian*, Ni Zhong and Chungang Duan*, Recent advances, perspectives and challenges in ferroelectric synapses. Chinese Physics B29, 9, (2020).

2            Bobo Tian, Jianlu Wang*, Stephane Fusil, Yang Liu, Xiaolin Zhao, Shuo Sun, Hong Shen, Tie Lin, Jinglan Sun, Chungang Duan*, Manuel Bibes, Agnes Barthélémy, Brahim Dkhil, Vincent Garcia*, Xiangjian Meng and Junhao Chu. Tunnel electroresistance through organic ferroelectrics. Nature Communications7, 11502, (2016).

3            Guangjian Wu#, Bobo Tian#, Lan Liu#, Wei Lv, Shuang Wu, Xudong Wang, Yan Chen, Jingyu Li, Zhen Wang, Shuaiqin Wu,Hong Shen, Tie Lin, Peng Zhou*, Qi Liu, Chungang Duan, Shantao Zhang, Xiangjian Meng, Shiwei Wu, Weida Hu, Xinran Wang, Junhao Chu and Jianlu Wang*. Programmable transition metal dichalcogenide homojunctions controlled by nonvolatile ferroelectric domains. Nature Electronics3, 43-50, (2020).

4            Bobo Tian#, Lan Liu#, Mengge Yan#, Jianlu Wang*, Qingbiao Zhao, Ni Zhong, Pinghua Xiang, Lin Sun, Hui Peng, Hong Shen, Tie Lin, Brahim Dkhil, Xiangjian Meng, Junhao Chu, Xiaodong Tang and Chungang Duan*. A Robust Artificial Synapse Based on Organic Ferroelectric Polymer. Advanced Electronic Materials5, 1800600, (2019).

5            Mengge Yan#, Qiuxiang Zhu#, Siqi Wang#, Yiming Ren, Guangdi Feng, Lan Liu, Hui Peng, Yuhui He, Jianlu Wang, Peng Zhou, Xiangjian Meng, Xiaodong Tang, Junhao Chu, Brahim Dkhil, Bobo Tian* and Chungang Duan. Ferroelectric synaptic transistor network for associative memory. Advanced Electronic Materials (2021) https://onlinelibrary.wiley.com/doi/10.1002/aelm.202001276

Loading

Leave a Reply