[发明专利]一种浮栅忆阻器

说明书

本发明涉及一种浮栅忆阻器，其基本结构依次包括前电极，前介质层，前浮栅层，纳米电池阳极，纳米电池电解质，纳米电池阴极，后浮栅层，后介质层，后电极；其中前电极、前介质层、前浮栅层和纳米电池阳极模拟了突触前膜，利用电子隧穿和场效应将电子信号转化为离子信号，纳米电池电解质作为离子通道模拟了突触间隙，纳米电池阴极、后浮栅、后介质层和后电极模拟了突触后膜，将离子信号转化为电子信号。本发明所述的浮栅忆阻器读写稳定，可控性好，且其结构简单，兼容CMOS，易于集成，可大规模生产和商业化，可促进神经形态计算和类脑计算发展。

技术领域

本发明一种浮栅忆阻器，涉及基于忆阻器的神经形态计算领域，尤其涉及一种基于纳米电池和晶体管浮栅的离子型突触忆阻器。

背景技术

基于神经网络的智能学习系统已经取得了令人瞩目的成就，诸如谷歌DeepMind公司的围棋人工智能AlphaGo，卡耐基梅隆大学的德州扑克程序，斯坦福大学的皮肤癌识别程序。基于神经网络的人工智能系统已经涉及金融、医疗、交通和环境领域中的方方面面。神经网络的基本构建单元是神经突触和神经元，长期以来，人们一直尝试开发电子突触，1971年，加州伯克利大学电子工程系蔡少棠教授首先提出忆阻器模型，2008年HP公司发现了忆阻器，并且测试器件表现出了突触行为，这极大地促进了人们对忆阻器的研究。

目前，不同材料和结构的忆阻器已被广泛研究。从忆阻材料看，主要分为氧化物忆阻器、固体电解质忆阻器、有机和聚合物材料忆阻器、氮化物忆阻器等。从结构看，主要有二端金属-氧化物-金属构型忆阻器和三端场效应构型忆阻神经突触。其中，二端忆阻器，是最早被开发出来的忆阻器，不仅具有开关速度快、能耗低、尺寸小、非易失性存储等优点，更重要的是具备非线性记忆等特征，已被广泛研究。然而，随着研究深入，金属-氧化物-金属构型忆阻器存在忆阻行为不稳定、可控性差、读/写噪声大等问题，限制了其在类脑计算器件中应用。基于三端场效应构型忆阻神经突触通过栅极电压调控离子型电池阴极材料中的阳离子浓度，引起阴极材料电子电导的变化，电导变化可从源漏极电压电流测出，这使得它的阻变依赖导电通道中的离子浓度，而不必引起器件结构性变化，使得其忆阻特性得到了显著改善，尤其是读/写噪声得到了有效抑制，但其三端架构不利于器件尺寸的进一步微缩，严重制约该类器件在神经形态器件领域的可能应用。

神经突触的最重要功能是其可塑性，因为有了可塑性，神经网络才具备了学习能力。神经突触的作用是将上一个神经元中电位信号变为化学信号，传递给下一个神经元，其电位传递依赖的是生物细胞膜中的钠钾泵，钠钾泵可将细胞外相对细胞内较低浓度的钾离子送进细胞，并将细胞内相对细胞外较低浓度的钠离子送出细胞，通过对离子的输运来调控细胞电位。这反映出二端突触器件能更好地模拟突触行为，为了模拟离子从突触前膜传递到突触后膜的过程，可以使用纳米电池。纳米电池可以通过外部电场精确地调控正负极材料的离子浓度，模拟了离子从突触前膜传递到突触后膜的过程。然而，要想读出离子分布变化引起的电导变化，使用二端器件却十分困难，因为电子基本无法通过纳米电池的电介质，而离子的迁移历史只表现为正负极材料中的离子浓度，这就需要引入新的结构去记录和读取纳米电池中的离子迁移历史，以此来模拟突触行为。

发明内容

针对现有的二端忆阻器和三端忆阻器存在的上述问题，本发明提出了浮栅忆阻器，可以模拟生物学神经突触，可以应用于神经形态计算领域和类脑计算领域。

本发明的技术方案是，一种浮栅忆阻器，所述离子种类包括各种碱金属元素或碱土金属元素，例如锂(Li⁺)、钠(Na⁺)、钾(K⁺)、钙(Ca²⁺)等中的至少一种或两种以上的组合。

本发明采用以下技术方案，如图1所示：

本发明的一种浮栅忆阻器，其基本结构依次包括前电极，前介质层，前浮栅层，纳米电池阳极，纳米电池电解质，纳米电池阴极，后浮栅层，后介质层，后电极，如图2所示。