以神經(jīng)網(wǎng)絡為代表的類腦人工智能技術在計算機視覺、自然語言處理、自動駕駛等方面有重要應用。但目前運行神經(jīng)網(wǎng)絡計算的硬件系統(tǒng)依然基于傳統(tǒng)硅基運算器與存儲器，由于馮·諾伊曼瓶頸的原理限制，其能效遠低于人腦。研發(fā)具有神經(jīng)形態(tài)模擬功能的類腦器件，如神經(jīng)網(wǎng)絡硬件系統(tǒng)的核心器件——具有存算一體功能的電子突觸，是進一步推進人工智能發(fā)展的重要途徑之一。為執(zhí)行復雜的人工智能任務，電子突觸器件需要滿足諸多苛刻要求，如：連續(xù)可調的非易失電導態(tài)數(shù)目（用于模擬腦突觸的連續(xù)可調性）大于100，非線性度小于1（好的線性度有助于精準調控電導），開關比大于100，翻轉耐久大于109次，周期隨機性小于3%。然而，已報道的類腦突觸器件無法全面滿足上述指標要求。

研究人員提出了多種構建類腦突觸器件的原理方案。其中，基于鐵電非易失電極化和量子隧穿效應的鐵電隧道結，因為有潛力構建成為高性能類腦突觸器件而備受關注。鐵電隧道結的電導調控基于鐵電疇的連續(xù)翻轉所調控的隧穿勢壘，在原理上具有穩(wěn)定性高、功耗低、速度快等諸多優(yōu)勢。因此，基于鐵電隧道結，設計并構筑高性能類腦突觸原型器件，使其具有高精度、線性調節(jié)的非易失電導態(tài)，未來應用于神經(jīng)網(wǎng)絡計算硬件系統(tǒng)的構建，有重要意義。

基于上述背景，中國科學技術大學李曉光教授團隊通過對鐵電疇形態(tài)和翻轉動力學的設計，在鐵電量子隧道結中實現(xiàn)了亞納秒電脈沖下電導態(tài)可非易失連續(xù)調控的類腦突觸器件，可用于構建人工神經(jīng)網(wǎng)絡類腦計算系統(tǒng)，該成果以“High-precision and linear weight updates by subnanosecond pulses in ferroelectric tunnel junction for neuro-inspired computing”為題發(fā)表在Nature Communications上。

研究人員制備了高質量Ag/PbZr0.52Ti0.48O3（PZT~1.2 nm，（111）取向）/Nb:SrTiO3鐵電隧道結（如圖1a）。通過設計PZT的超薄厚度和（111）取向，在鐵電勢壘層中實現(xiàn)了更豐富的鐵電多疇亞穩(wěn)態(tài)（如圖1b， c），在外加電場下，鐵電疇的翻轉動力學行為更加連續(xù)，因而器件的電導調節(jié)更加連續(xù)、平緩，更有利于多態(tài)的實現(xiàn)。該器件綜合性能優(yōu)異，主要表現(xiàn)在：

圖1：鐵電隧道結類腦突觸器件及其鐵電多疇結構。a. 鐵電隧道結類腦突觸器件結構示意圖。b. 鐵電隧道結不同鐵電疇區(qū)的原子分辨像。c. 不同厚度PZT薄膜中多疇結構的面外、面內PFM相位。

1）亞納秒超快操作速度、飛焦級低能耗，媲美人腦突觸的能效表現(xiàn)。

通過能帶設計、降低鐵電層厚度、選擇處于準同型相界處具有較低矯頑場的PZT作為鐵電勢壘層，有效地降低了器件的操作電壓，僅需 《 5 V的電壓就能在630 ps的操作速度下實現(xiàn)可分辨的阻態(tài)翻轉（如圖2a）。而器件最快操作速度可至300 ps（可以匹配目前CPU的操作速度，如圖2b）。此外，器件具有良好的可分辨多態(tài)（4比特）保持特性（如圖2c）。通過對直徑為50 nm的鐵電隧道結的性能表征，發(fā)現(xiàn)其操作能耗低至5.3 fJ/bit?；谏鲜鲂阅芡扑悖撹F電隧道結構建的神經(jīng)網(wǎng)絡計算系統(tǒng)有可能實現(xiàn)媲美人腦的優(yōu)秀能效（人腦單次突觸活動的能耗約為1 ~100 fJ），且響應速度比人腦突觸快6個量級（人腦突觸響應速度約為亞毫秒）。

2）高精度、線性的電導調控和高耐久性，滿足類腦突觸器件的核心性能指標要求。

在10 ns的脈寬下（與DRAM操作速度相當），實現(xiàn)了8比特（256個）連續(xù)可調的非易失電導狀態(tài)，且非線性度低（《1），開關比大（~100），周期隨機性?。▇2.06%）（如圖2d）；甚至在亞納秒（630 ps）的操作速度下，器件仍然可以調節(jié)出150個連續(xù)的電導態(tài)（如圖2e）。此外，器件表現(xiàn)出》109次的翻轉耐受性（如圖2f）。器件具有優(yōu)良的突觸塑性調節(jié)功能和良好的翻轉耐受性，滿足了類腦突觸器件的核心性能指標要求。

圖2：鐵電隧道結類腦突觸器件的性能表征。a. 630 ps脈寬的脈沖電壓下，類腦突觸器件的電阻在不同阻態(tài)之間的往復翻轉。b. 不同脈寬的電脈沖下類腦突觸器件電阻的連續(xù)調控。c. 類腦突觸器件的16個可分辨阻態(tài)的保持特性。d， e. 10 ns 和 630 ps 脈寬的電脈沖下隧道結類腦突觸器件的長時程增強和抑制模擬。f. 類腦突觸器件的翻轉耐受性。

3）基于器件電導調控性能，仿真構建的神經(jīng)網(wǎng)絡具有高圖像識別率。

基于該鐵電隧道結的實驗性能，仿真構建的卷積神經(jīng)網(wǎng)絡（如圖3a）類腦計算系統(tǒng)可在線學習并識別Fashion-MNIST數(shù)據(jù)庫的時尚產(chǎn)品圖片，準確率達~94.7%，非常接近于基于浮點的神經(jīng)網(wǎng)絡軟件計算結果~95.6%（如圖3b）；此外，仿真構建的人工神經(jīng)網(wǎng)絡還體現(xiàn)出良好的抗噪聲能力，即使在識別圖片中引入椒鹽或高斯噪聲（噪聲水平達0.5），其識別時尚產(chǎn)品圖片的準確率仍然可達~85%（如圖3c， d， e）。

圖3：基于器件性能，仿真構建神經(jīng)網(wǎng)絡。a. 仿真構建的ResNet-18卷積神經(jīng)網(wǎng)絡結構示意圖。b. 識別Fashion-MNIST數(shù)據(jù)庫中時尚產(chǎn)品圖片的準確率隨訓練次數(shù)的變化。c， d. 識別加入不同水平的椒鹽噪聲和高斯噪聲的Fashion-MNIST時尚產(chǎn)品圖片的準確率隨訓練次數(shù)的變化。e. 識別Fashion-MNIST時尚產(chǎn)品圖片的準確率隨加入椒鹽噪聲和高斯噪聲的水平的變化。

上述基于鐵電隧道結設計的類腦突觸原型器件具有超快、低能耗、高耐久特性，特別是具有穩(wěn)定、線性、準連續(xù)的電導態(tài)調控優(yōu)勢，滿足了類腦突觸器件的高要求，展現(xiàn)了鐵電隧道結在構建未來高性能類腦人工智能計算硬件系統(tǒng)方面的重要潛力。中國科學技術大學物理系博士生羅振、王梓鑒、管澤雨為文章的共同第一作者，中國科學技術大學李曉光教授、殷月偉教授為文章的通訊作者。

該項研究得到了國家自然科學基金、科技部國家重點研發(fā)計劃、中國科學技術大學“雙一流”人才團隊平臺項目的資助。

原文標題：Nat. Commun.： 基于鐵電隧道結的高性能類腦突觸原型器件

文章出處：【微信公眾號：知社學術圈】歡迎添加關注！文章轉載請注明出處。