[发明专利]一种电解质突触晶体管及其制备方法和应用

说明书

本发明公开了一种电解质突触晶体管及其制备方法和应用，包括导电沟道和位于所述导电沟道上的石墨炔层，所述石墨炔层上覆盖有电解质。本发明在沟道和电解质之间设置石墨炔层作为浮栅存储层，电解质作为栅极，可阻隔固电解质中的离子与导电沟道接触，避免了离子在沟道中频繁插入/脱离，从而对沟道的晶格结构进行有效保护，使器件具有很好的循环稳定性。同时，本发明的电解质突触晶体管具有非易失性特性，成功模拟了各种具有代表性的突触特性，且在弯曲测试中表现出优异的稳定性和可靠性。

技术领域

本发明属于人工突触技术领域，具体涉及一种电解质突触晶体管及其制备方法和应用。

背景技术

近50年来，晶体管的尺寸和工艺创新都遵循着摩尔定律，这是集成电路行业发展的黄金法则。为了提高器件性能，人们对半导体的工艺进行了大量创新，如应变硅、高-K栅介质、金属栅、三端场效应晶体管结构等。但这些构建器件的方法工艺十分复杂。当器件的尺寸小于100nm以下时，由于短沟道效应，会引起功耗的大大增高。为了克服摩尔定律即将失效、大规模集成和制造成本带来的诸多问题，对器件的制作工艺及集成技术进行创新越来越受到人们的重视，成为后摩尔时代微电子领域的重要前沿。2016年后摩尔时代微电子器件技术的发展路线被重新定义。除此之外，互补金属氧化物半导体器件被列为国际半导体路线图中的关键研发领域。基于这条路线，通过探索基于新电子材料和工作原理的新兴器件，可以实现超高性能和超低功耗。

传统计算机是以金属氧化物半导体场效应晶体管(MOSFET)为核心器件的集成电路，为现代信息社会奠定了基础，见证了诸多领域的技术创新。然而，受到内存和中央处理器(CPU)在结构上物理分离的影响，传统计算机在海量数据处理方面存在着巨大的挑战，被称为“冯·诺依曼”瓶颈。在“大数据”时代，这一瓶颈在物联网的大范围应用普及时将变得尤为突出。人脑是一个具有高度并行计算和自适应学习能力的系统，为了解决“冯·诺依曼”瓶颈限制，人们提出了人工神经网络达到并行计算的目的，并取得了一系列突破性成果。然而，人工神经网络的算法和相关软件仍然在常规计算机上运行，导致计算能力有限、效率低等问题。比如1200个中央处理器(CPU)和180个图像处理器(GPU)实现的AlphaGo，功耗高达几十万瓦。

模拟人脑发展的神经形态计算能够以高效且节能的方式并行处理大量非结构化信息，近年来备受关注。在过去的几年里，各种人工突触器件，如双端结构的忆阻器和多端结构的神经形态晶体管，被用来构建用于神经形态计算的硬件人工神经网络。特别是利用电解液调节通道电导状态的离子门控突触晶体管，在权重更新方面表现出了良好的线性和对称性，开关电压极低，保持时间长，在超低能耗的情况下实现了接近理想的识别精度。然而，这些器件在多次循环后性能容易发生退化。

发明内容

本发明旨在至少解决上述现有技术中存在的技术问题之一。为此，本发明提出一种电解质突触晶体管，该电解质突触晶体管具有良好的稳定性。

本发明还提出上述电解质突触晶体管的制备方法和应用。

根据本发明的第一个方面，提出了一种电解质突触晶体管，包括导电沟道和位于所述导电沟道上的石墨炔层，所述石墨炔层上覆盖有电解质。

根据本发明的第一个方面，本发明至少具有如下有益效果：