在深度忆阻神经网络中,器件的非理想效应对识别效果的影响十分显著,因而发展高度可靠的电子突触与器件友好型算法是当务之急。然而受限于忆阻器本身的开关机制,忆阻器在SET过程会不可避免地出现电导突变的现象,从而导致非线性的突触行为。为此,串联晶体管以限制电流、施加不同幅值或脉宽的脉冲等方案被广泛采纳,以减轻忆阻器件的非理想效应,但这些方案通常伴随更大的面积开销、更复杂的外围电路等代价。
ISMD课题组在工作中发现,通过有效调制LiAlOx器件内部肖特基势垒,可以获得高精度、高线性度与高对称性的突触可塑性能。为阐明其物理机制,进一步运用第一性原理计算工具,较为清晰地展示了Li-O键与Al-O键的能量差异,以及其在外加电压下不同的断裂概率,是不同电压脉冲幅度下出现不同电导调制行为的物理原因。为进一步验证该器件的可靠性,设计了两组实验,即常温下的I-V耐受实验与高温(85℃)下电导的保持实验,充分验证了LiAlOx器件作为忆阻突触的高可靠性。
在系统层面,课题组设计了基于LiAlOx忆阻突触的深度神经网络,并针对性的做了器件及算法的双重优化,通过网络层仿真,显示出所研制的LiAlOx忆阻神经网络在MNIST手写字体数据集及Weizmann动作模式识别数据集上分别获得了98.1%和92.7%的识别率。这项工作拓宽了我们对氧化物基忆阻器开关机理的认识,对实现深度忆阻神经网络具有显著的指导意义。
该工作以”Enhancing LiAlOx synaptic performance in deep neural network by reducing Schottky barrier height”为题刊发于Nanoscale,且被杂志选作2020年11月刊的封面。此工作博士生付瑶瑶与硕士生董博义为共同第一作者,由本团队何毓辉教授、缪向水教授和台湾中山大学张鼎张教授合作指导完成。
论文信息:
Fu, Y., et al., Enhancing LiAlOx synaptic performance by reducing the Schottky barrier height for deep neural network applications. Nanoscale 2020, 12, 22970-22977.
https://doi.org/10.1039/D0NR04782A