信息存储材料及器件研究所
当前位置: 首页 > 图片文章切换 > 正文

《纳米快报》发表研究所关于类脑人工智能器件的新进展

【来源: | 发布日期:2019-06-02 】

近日,纳米领域国际知名科研期刊《Nano Letters》以” Nano channel-based transport in an interfacial memristor can emulate analog weight modulation of synapses”为题刊发了研究室在类脑人工智能器件方面的最新研究成果:

https://pubs.acs.org/doi/pdf/10.1021/acs.nanolett.9b00525

实现类脑人工智能是人类长期以来一直追求的梦想。借助脑科学和认知科学的研究成果,结合计算机硬件技术和算法研究的不断突破,模拟神经形态的类脑智能实现已成为世界各国竞相角逐的焦点。在类脑计算硬件研究方面,忆阻器可以模拟人脑神经网络的认知行为,从而作为神经形态系统的核心基础器件。忆阻器这一新型神经形态器件诱人的应用前景,各国均投入了巨大的人力物力以获得忆阻器物理、材料和器件上的突破,发展计算与存储融合的类脑神经形态计算。

虽然忆阻类脑计算器件和类脑神经网络已经取得了令人鼓舞的研究进展,距离其展现真正意义上的人工智能仍存在很多关键科学和技术问题亟待解决。已知相当多种类的忆阻器在电导连续置态(SET)与重置(RESET)时,表现出电导突变特性。这通常是忆阻器内部导电丝的形成与断裂或者晶态与非晶态的转换过程导致的。该突变行为会破坏忆阻突触器件的模拟权重更新(analog weight update)的连续性,同时也破坏权重长时程增强与减弱之间的对称性,且产生较严重的同批器件之间以及同一器件多次操作一致性问题(device-to-device variation,cycle-to-cycle variation),以上非理想效应大大降低了相应的类脑神经网络训练与识别性能。

针对上述问题,研究室何毓辉老师结合他在微纳流体研究方面的长期积累,与具有忆阻器件与神经网络丰富研发经验的李祎老师等反复讨论,提出一种基于纳流体的界面型忆阻器(interfacial memristor),如下图所示:

上述示意图中的绿色部分代表施加了无机电解液如KCl溶液的腔室,粉色部分是注入室温有机离子导体如BminPF6的腔室,两个腔室由中间的纳米沟道相连接。申请人拟充分利用无机KCl溶液与有机离子导体不互溶的特性,让这两种液体在纳米沟道中形成一个分界面,其纳流体沟道的等效电路图如右方插图所示。由于浓度为100mM左右的KCl溶液电导远高于离子导体BminPF6,故构成一个低阻/高阻的分界面。该界面在外加电压下由于纳流体的动电效应产生移动,由此实现电导渐变调节的忆阻突触器件。借助离子导体的高粘滞性,即使撤掉置态电压,分界面的位移变化也可保持下来,从而得到非易失的电导调制。

实验上,采取深紫外光刻、电子束曝光、电子束蒸镀等手段在硅晶芯片上制备纳流体器件的金属模板,随后通过旋涂有机高分子材料、烘干成膜、剥离等手段,对金属模板倒模得到印刻在PDMS上的纳米沟道以及两端腔室。

器件制备与形貌表征达到预定要求后,在两端注入KCl溶液与离子导体,实验测得伏安特性如下作图:

可以观察到有明显的回滞窗口。根据纳流体中的动电机制,分析认为扫描电压增大过程中,KCl溶液/离子导体的界面在不断向离子导体端移动,于是低阻比例增大而高阻比例减小,由虚线所表征的电导增大(①→②→③);当扫描电压开始减小,此时电流相应减小,然而两种不相溶溶液的界面仍然向离子导体方向移动,故而系统总电导仍然上升(③→④)。

为进一步验证上述物理机制,诸葛福伟老师建议和指导做了荧光分子的表征实验。在纳流体系统中加入只溶于无机电解质溶液的荧光分子荧光素钠C20H10Na2O5,同时搭建以荧光显微镜为核心的表征系统,对纳流体沟道区域施加可激发荧光素纳的激光(波长约488毫米),通过下方镜头与带通滤波器接收荧光素钠受激发射的荧光,观察荧光表征的无机电解液/离子导体分界面在外加电压作用下的移动。

荧光表征结果与理论建模分析吻合较好:

完成上述基于纳流体的界面型忆阻制备、测量与表征后,进一步做了忆阻突触的设计与性能测量,并仿真验证了基于纳流体忆阻突触的卷积神经网络性能:

实验和仿真结果标明,该界面型忆阻突触具有优异的电导渐变调制特性,其模拟电导调制(Analog weight update)行为具有优异的线性度、多次循环一致性,以及良好的保持特性。在此基础上构建的卷积神经网络可对标准手写数字测试集表现出优异的学习与识别能力。

该工作近期被Nano Letters接收刊发,第一作者是张盼同学,他在器件制备、表征和测量等方面做了大量的探索性与开创性工作,表现出了优异的科学研究素质。其他研究生如周越、董博义等同学也在纳流体忆阻器的物理建模、忆阻神经网络仿真等方面做出了重要贡献。