[发明专利]神经元系统、感光类神经元器件及其制作方法和应用

说明书

本发明公开了一种感光类神经元器件，包括栅极，介电层，源极，漏极以及有源层；介电层设置于所述栅极上，源极和漏极间隔设置于所述介电层上，所述有源层分别与所述源极、所述漏极连接且所述有源层设置于所述源极与所述漏极之间；其中，所述栅极采用轻掺杂的硅片制成；所述栅极用于在受到检测光照射时产生感应电压从而使所述源极和所述漏极之间产生感应电流。本发明还公开了一种感光类神经元器件的制作方法。本发明还公开了一种包括上述感光类神经元器件的神经元系统。本发明还公开了一种上述感光类神经元器件的应用。本发明的感光类神经元器件在栅极受到检测光照射时产生感应电压从而使源极和漏极之间产生感应电流，从而实现感光类神经元器件的功能，并且结构简单、低功耗、稳定性高。

技术领域

本发明属于神经元器件领域，具体地涉及一种感光类神经元器件及其制作方法和应用、神经元系统。

背景技术

在当前大数据时代的发展背景下，数据的产生和传播速度成指数倍增长，这种变化对计算机处理数据能力的要求越来越高，基于CMOS逻辑门电路和传统的冯诺依曼构架的计算机芯片的发展已经到了瓶颈，未来将难以满足大数据信息处理的需求。与之相比，人脑可以同时处理各种复杂的任务，包括学习、记忆、识别、预测的功能，并且效率高和功耗低。现代超高速计算机很难以同样的效率完成这些任务。

近几年来，关于神经元器件和神经网络系统的构建和模拟，大多在电激励模拟形式的晶体管或忆阻器结构中实现。但对于电激励模拟形式的晶体管或忆阻器，其输入和输出信号间的耦合系数是固定的，不利于实现复杂的运算功能，也无法直接实现神经元的学习和记忆能力。目前是通过大量沉冗电路实现神经元器件中的学习和记忆能力，导致大量非必要功耗产生，也限制了人工神经元系统的构建。

因此，如何构建集数据采集和信息处理于一体的感光类神经元器件是本领域技术人员亟待解决的技术问题。

发明内容

为解决上述现有技术存在的问题，本发明提供了一种集数据采集和信息处理于一体的类神经元器件及其制作方法和应用、神经元系统。

为了达到上述发明目的，本发明采用了如下的技术方案：

根据本发明的一方面，提供了一种感光类神经元器件，包括栅极，介电层，源极，漏极以及有源层；所述介电层设置于所述栅极上，所述源极和所述漏极间隔设置于所述介电层上，所述有源层分别与所述源极、所述漏极连接且所述有源层设置于所述源极与所述漏极之间；

其中，所述栅极采用轻掺杂的硅片制成；所述栅极用于在受到检测光照射时产生感应电压从而使所述源极和所述漏极之间产生感应电流。

进一步地，在检测光停止照射所述栅极时起的预设时间内，所述感应电流的值不为零或者在检测光照射所述栅极时起的预设时间内，所述感应电流的值不为零。

进一步地，在检测光照射所述栅极时，所述感应电流随所述栅极受到的检测光的照射次数的增加而增加。

进一步地，所述有源层采用半导体碳纳米管和/或氧化物和/或有机半导体材料和/或二维材料制成。

进一步地，所述检测光的频率为0.1-100Hz；和/或所述检测光的光功率大于10uw；和/或所述检测光的波长小于1310nm。

进一步地，所述轻掺杂的硅片的电阻率为0.1-3000Ω·cm。

进一步地，所述介电层采用氧化铪 和/或氧化铝和/或二氧化硅和/或氮化硅制成。

进一步地，所述介电层的厚度为10-100nm。

根据本发明的另一方面，还提供了一种神经元器件的制作方法，

提供一轻掺杂的硅片作为栅极；

在栅极上形成介电层；