铁电光伏型神经突触器件—铁电光伏效应之新应用

原创电介质小助手电介质Dielectrics

收录于合集

近日，华南师范大学樊贞课题组基于多级可调的铁电光伏效应制备了新型人工突触器件，该成果以“Highly Controllable and Silicon-Compatible Ferroelectric Photovoltaic Synapses for Neuromorphic Computing”为题发表在Cell旗下综合类期刊iScience上(论文链接:https://www.cell.com/iscience/fulltext/S2589-0042(20)31071-3)。

研究背景

受人脑启发的神经形态计算是一种面向人工智能(AI)应用的新型计算技术，具有低功耗、高速等特点，有望替代现有冯诺依曼架构计算机。而人工突触器件是构建神经形态计算系统的关键部件之一。最常见的人工突触器件是忆阻器，它的电导值对应突触权重，可随外加电脉冲的刺激而改变。目前忆阻器大多基于缺陷(如氧空位)迁移机制工作，该过程随机性大、难以精确控制，所以这些忆阻器的写入噪声和器件间差异均较大。因此，开发新型高可控性忆阻器十分有必要。

相比于缺陷迁移，极化翻转理论上具有更高的可控性，因此基于极化翻转的铁电突触近年来引起广泛关注。国内如中科大殷月伟/李晓光课题组、物理所葛琛/金奎娟课题组、青岛大学温峥/南大吴迪课题组、深研院钟高阔/南科大李江宇课题组、华东师大钟妮/段纯刚课题组等在该方向均开展了大量研究。

目前报道的铁电突触主要包括以下两种：铁电隧道结(FTJ)和铁电场效应晶体管(FeFET)。FTJ利用可翻转的极化调控隧穿电流，铁电层需要做到超薄 (几纳米)以允许电流隧穿；而FeFET利用可翻转的极化调控半导体沟道电流，半导体对极化电荷的屏蔽能力较弱。铁电层过薄、半导体屏蔽能力弱都能诱导大的退极化场E_dp，大的E_dp又会引起极化不稳定，使极化状态和相应电导态难以精确控制。此外，FTJ通常需要在单晶氧化物基底上生长高质量外延的超薄铁电膜，而FeFET则需要对铁电/半导体界面质量进行严格优化，二者的制备工艺均较为复杂。因此，大的E_dp所导致的极化不稳定性以及复杂制备工艺是FTJ和FeFET作为人工突触器件所面临的主要问题。

成果介绍

为了解决上述问题，樊贞等提出基于多级可调铁电光伏(FePV)效应的新型人工突触器件。首先，FePV效应中光电流受极化调控，利用极化逐渐翻转可获得多级可调、非易失的光电流，光电流可作为突触权重。其次，FePV效应广泛存在于各种铁电电容器结构中，对铁电层厚度和电极材料均无要求。这一方面可以降低E_dp，提升极化的可控性；另一方面也简化了制备工艺，甚至可以直接在硅基底上生长电极和铁电层。实验上，在硅基底上制备了Pt/Pb(Zr_0.2Ti_0.8)O₃ (PZT)/LaNiO₃ FePV器件，观察到极化逐渐翻转行为，这得益于多晶PZT薄膜的多畴翻转模式。在此基础上，获得连续可调、非易失的光电流。利用光电流作为突触权重，该FePV器件展示了多种突触功能，包括长期增强/抑制和脉冲时序依赖可塑性。基于FePV突触的模拟神经网络实现了高准确率的图像识别(MNIST图像识别准确率>93%)。这项研究为开发高可控性、硅兼容的铁电突触提供了一种新的方案，也为FePV效应在存储领域拓展了新的应用方向[注：南方科大的王峻岭课题组(原南洋理工大学)曾制备了FePV两态存储器，Nat. Commun. 4:1990 (2013)]。