中国科学院在低能耗垂直神经晶体管方面取得进展

人工智能时代计算机日常需要处理的信息量急剧增加，如何在计算和存储等资源受限的边缘端快速、实时的处理信息已成为当前业界的共性需求。生物体的神经网络系统被认为是自然界中集感应、存储和计算一体化的系统，具有非常高效的信息处理能力，且工作能耗很低。受生物启发，开发神经形态器件及其阵列集成技术，构建类似生物神经网络功能的神经形态计算系统，是实现实时、高能效边缘计算系统的重要途径之一。
电解质栅控晶体管是一种多端忆阻器件，其采用含有可动离子（如H+, Li+, O2-等）的电解质材料作为栅介质层，利用可动离子在栅极电压作用下的迁移调节沟道电阻状态，产生短时记忆和长时记忆等多层级记忆效应。同时，由于数据通过栅极写入而通过源极和漏极进行读取，实现了数据写入和读取的分离，可进一步降低工作电流和能耗。因此，电解质栅控晶体管被认为是模拟生物神经网络的理想元件之一，已在人工神经网络硬件开发方面展现了引人的应用前景和赋能潜力。
近日，中国科学院微电子研究所微电子器件与集成技术研发中心刘明院士团队的尚大山研究员与复旦大学刘琦教授、清华大学唐建石副教授合作，开发了一种具有短时记忆特性的垂直双栅电解质栅控晶体管器件——神经晶体管。该器件沟道长度为30nm，并具有可堆叠和高密度集成的潜力，读功率和读能耗分别达到了~ 3.16 fW 和~ 30 fJ，接近生物水平。此外，团队利用神经晶体管的短时记忆特性，模拟了生物神经元中的树突计算功能（包括树突整合与巧合探测），并通过构建仿生的声音定位神经网络，实现了对声音方位角与距离的识别。该工作不仅展示了神经晶体管作为基本单元模拟生物神经网络高级功能上的潜力，同时从器件层面为开发面向边缘计算的高密度、低能耗神经形态计算硬件系统提供了的新的途径。