[发明专利]一种具有线性分类功能的多栅极神经元晶体管及制备方法

说明书

本发明公开了一种具有线性分类功能的多栅极神经元晶体管，具有被控制的器件，所述多栅极神经元晶体管包括栅介质层、由源极和漏极组成的源漏电极、沟道层和至少四组的输入栅极；其中，所述沟道层设于所述源漏电极的外层，所述栅介质层设于所述沟道层的外层，所述输入栅极设于所述栅介质层的外层；所述输入栅极分别为Gm、G1、G2与G3，其中，所述输入栅极的栅极面积为Gm＝G1＝G2且G3＞Gm；所述多栅极神经元晶体管的输入信号为所述输入栅极上施加的电压，所述多栅极神经元晶体管的输出信号为所述源漏电极读取的沟道电流。本发明通过晶体管的多栅协同调控能力实现了“OR”和“AND”逻辑的自由切换，而且在单个器件上实现了神经元的线性分类功能。这些功能与神经形态计算高度相关，因此这类晶体管对简化神经形态计算系统的结构，提高计算效率具有重要意义。

技术领域

本发明涉及半导体器件的技术领域，其中涉及一种具有线性分类功能的多栅极神经元晶体管及制备方法。

背景技术

与将信息处理和存储分开的冯·诺依曼架构不同，在人脑中，学习和记忆是同时进行的，这也是人脑可以节能、高效地处理信息的主要原因。人脑约由1011个神经组成，每个神经元可以通过树突与其他上千个神经元连接在一起。这些神经元交织形成错综复杂的神经网络，该网络构成了人类感受、思想和行为的生理基础。单个神经元可以接收数千个到达不同树突的输入信号，体细胞整合这些信号并产生动作电位，然后通过突触将其传递给其他神经元。这种整合效应大大增强了生物神经系统的信息处理能力和效率。因此，为了实现节能、高效的人工神经网络和系统，制备具有信息整合能力的神经形态器件是必要的。

在机器学习领域，分类的目标是指将具有相似特征的对象聚集。而线性分类器则是通过特定的“超平面”来做出分类决定，以达到分类的目的。它的主要优点是其简单、快速。线性的分类器的本质是一个单层神经网络，它是多层神经网络的基础，也是实现图像识别，语音识别等复杂功能的基础。通常情况下，实现分类功能主要依靠基于冯诺依曼架构的计算系统及复杂算法来实现，但是其并行计算能力有限。如果能够使用单个神经元器件实现线性分类功能，那将大大提高神经形态计算系统的工作效率。

相比于两端的人造突触器件，晶体管的结构与神经元更为相似，因此具有模拟神经元的各种功能的潜力。双电层晶体管由于具有极大的双电层电容，能够以极低的功耗工作。此外，极强的静电耦合能力还允许我们设计共平面多栅结构晶体管以实现神经元的树突功能，因此在神经形态计算领域极具应用价值。目前，基于多栅结构的双电层晶体管，研究者们已经实现了逻辑运算、声音方位检测及时空信息处理等功能。

发明内容

鉴于现有技术的不足，本发明旨在于提供一种具有线性分类功能的多栅极神经元晶体管及制备方法，所述多栅极神经元晶体管具有多输入信号的整合作用，因此可以作为人造神经元。

为了实现上述目的，本发明采用的技术方案如下：

一种具有线性分类功能的多栅极神经元晶体管，具有被控制的器件，其特征在于，所述多栅极神经元晶体管包括栅介质层、由源极和漏极组成的源漏电极、沟道层和至少四组的输入栅极；其中，所述沟道层设于所述源漏电极的外层，所述栅介质层设于所述沟道层的外层，所述输入栅极设于所述栅介质层的外层；所述输入栅极分别为Gm、G1、G2与G3，其中，所述输入栅极的栅极面积为Gm＝G1＝G2且G3＞Gm；所述多栅极神经元晶体管的输入信号为所述输入栅极上施加的电压，所述多栅极神经元晶体管的输出信号为所述源漏电极读取的沟道电流。

需要说明的是，将所述输入栅极Gm作为控制端并对其施加一个固定数值的电压时，一定数量的质子迁移到栅极/电解质界面处，而在沟道/电解质界面处质子数量减少，所述器件的开启需要一定大小的输入电压；通过对所述输入栅极G1、所述输入栅极G2同时或单独施加不同大小的电压可以控制所述器件的工作状态。

需要说明的是，将所述输入栅极Gm作为控制端并对其施加一个固定数值的电压时，通过控制多输入端的输入电压大小并将输出电压值与预先设定的阈值对比，从而实现线性分类功能。