当前位置 : X-MOL首页行业资讯 › 氧化物栅控离子晶体管构建低功耗脉冲神经网络

氧化物栅控离子晶体管构建低功耗脉冲神经网络

随着人工智能、物联网等新兴信息技术的发展,信息处理已由计算密集型向数据密集型转移,亟需具有非结构化数据处理能力的低延时、低能耗边缘计算系统,满足终端设备对未来海量非结构化数据处理能力的需求。受生物启发的脉冲神经网络 (SNN) 使用稀疏、异步的脉冲序列作为输入/输出,以存内计算的方式处理信息,具有大规模并行和低能耗的特点。为了发挥SNN的优势,在硬件方面需要开发紧凑、低功耗、可训练的新型突触电子器件。


电解质栅控晶体管 (Electrolyte-gated transistor, EGT) 是一种新型非易失性电子器件,具有满足上述需求的潜力 (参见D. S. Shang, et al. Adv. Intell. Syst., 20202, 2000156; D. S. Shang, et al. Adv. Func. Mater., 201828, 1804170; D. S. Shang, et al. Adv. Mater., 201729, 1700906)。在前期工作中,中科院微电子研究所微电子器件与集成技术重点实验室尚大山研究员等利用无机氧化物—Nb2O5和Li掺杂SiO2作为沟道和栅电解质材料,实现了EGT的大面积阵列制备以及SNN功能演示(参见Y. Li, J. Lu, D. S. Shang, et al., Adv. Mater.202032, 200301)。然而,利用EGT构建SNN边缘计算系统还面临许多挑战。首先,由于 EGT 具有类似电池的结构和工作机制,沟道电导更新后会存在自放电现象,导致沟道电导的退化,影响网络的识别精度。其次,原位脉冲时序依赖可塑性(In-situ STDP)是SNN中的重要学习规则,如何在EGT阵列中实现这种STDP学习规则是实现低功耗在线学习的关键。


针对上述问题,中科院微电子研究所微电子器件与集成技术重点实验室尚大山研究员、博士生李悦等提出了一种One-Transistor-One-EGT(1T1E)结构作为突触单元。该结构不仅能够有效缓解EGT的自放电现象 (图1 a-b),同时优化阵列器件选通问题,而且还能够结合CMOS神经元电路灵活、高效地实现STDP学习规则(图1 c-d)。根据突触单元的测试结果,团队进一步构建了一种基于时间编码的SNN。该网络具有联想记忆功能,能够实现对MNIST数据集(Modified National Institute of Standards and Technology database)中手写数字图像的学习和恢复(图1 e-f),并且对EGT器件读写噪声、非线性调节等非理想特性展现出了良好的鲁棒性 (图1 g-i)。由于采用了时间编码方式,并结合器件自身的低电流操作,这种基于1T1E突触单元的SNN在训练过程和推理过程中的核心峰值能效分别可达 2 pJ/SOP (Picojoule per synaptic operation) 和 80 TOPs-1 W-1 (Tera operations per second per watt),相比于常规的基于忆阻突触器件和频率编码方式的SNN有了巨大提升。以上结果为构建低能耗的神经形态边缘计算系统提供了参考。

图1. (a) 1T1E突触单元结构示意图;(b) 1T1E突触单元保持特性;(c) 基于1T1E和CMOS神经元电路的in-situ STDP学习规则实现方案;(d) 器件沟道电导变化量 (ΔG) 随前、后脉冲时间差(Δt)变化的关系图;(e) 时间编码示意图,利用0-200 ms间的分立时间点编码图像中五种不同的灰度值;(f) 对网络输入残缺并带有噪声的数字“1”图像,网络能够恢复出正确的图像;器件非理想特性(g) 非线性 (h) 写噪声和 (i) 读噪声对网络恢复率的影响规律,器件特性实测结果也被标出。


这一成果近期发表在《先进功能材料》(Advanced Functional Materials)期刊上,中科院微电子所博士研究生李悦、中国科学技术大学博士研究生宣自豪为文章的共同第一作者,微电子所尚大山研究员为该文章的通讯作者。


该项目得到了科技部、国家自然科学基金委、中科院和之江实验室的资助。


原文(扫描或长按二维码,识别后直达原文页面,或点此查看原文):

One Transistor One Electrolyte-Gated Transistor Based Spiking Neural Network for Power-Efficient Neuromorphic Computing System

Yue Li, Zihao Xuan, Jikai Lu, Zhongrui Wang, Xumeng Zhang, Zuheng Wu, Yongzhou Wang, Han Xu, Chunmeng Dou, Yi Kang, Qi Liu, Hangbing Lv, Dashan Shang*

Adv. Funct. Mater.2021, DOI: 10.1002/adfm.202100042


导师介绍

尚大山

https://www.x-mol.com/university/faculty/272951 


如果篇首注明了授权来源,任何转载需获得来源方的许可!如果篇首未特别注明出处,本文版权属于 X-MOLx-mol.com ), 未经许可,谢绝转载!

virulence
欢迎新作者ACS
中国作者高影响力研究精选
虚拟特刊
屿渡论文,编辑服务
浙大
上海中医药大学
深圳大学
上海交通大学
南方科技大学
浙江大学
清华大学
徐晶
张大卫
彭孝军
北京大学
隐藏1h前已浏览文章
课题组网站
新版X-MOL期刊搜索和高级搜索功能介绍
ACS材料视界
华辉
天合科研
x-mol收录
试剂库存
down
wechat
bug