English
首页 科研 论文 成员 课程 新闻 联系我们

本课题组致力于创新和发展具有超高运算效率、超低运算功耗、高精确度和可大规模集成的人工神经形态器件及阵列。主要研究方向为:

1)通过对离子动力学过程进行显微表征,实现对器件工作机理的探索和认知;

2)通过对生物体中突触、神经元工作过程的模拟,设计并制备基于离子迁移的新型高精度、低功耗人工神经形态器件。

3)基于阻变存储器、新型神经形态器件,利用阵列结构实现器件大规模集成,以实现人工神经网络及相关逻辑应用。

离子动力学过程显微表征

       深入理解器件微观动力学对发展以忆阻器为代表的人工神经形态器件及其阵列有着至关重要的作用。本课题组对过渡金属氧化物忆阻器中氧离子迁移、基于阳离子迁移器件中的银离子迁移、以及基于二维层状半导体材料的突触晶体管中锂离子迁移等过程进行了系统而深入地研究。通过高分辨透射电子显微镜(HR-TEM)、扫描电子显微镜(SEM)、导电扫描探针显微镜(CAFM)等表征手段,直观而深入展示了忆阻器中的离子迁移过程,揭示了多种人工神态器件的工作机制、对器件设计和阵列集成起到了指导性作用。

基于离子迁移的人工神经形态器件

      传统神经形态器件通常仅在电学行为上尝试对生物特性进行模拟。本课题组通过对生物突触工作过程进行细致研究,设计了从微观动力学过程到宏观电学特性都能精确模拟生物突触的突触晶体管和异源性突触器件(Hetero-synapse) 。除常规过渡金属氧化物材料体系,本课题组也研究了基于二维层状半导体材料、有机物电解质的突触晶体管、基于金属-绝缘体转换的人工神经元器件等。实验上实现了单个器件约30 fJ/spike的超低功耗。

基于神经形态器件阵列的人工神经网络

      基于两端结构忆阻器以及三端异源性突触器件,本课题组致力于实现具有高集成密度、超低功耗的阵列集成。基于此阵列结构,可实现高效逻辑运算、机器学习问题等。这对于突破“冯·诺依曼”瓶颈、加快实现“物联网”等概念、推动神经形态计算快速发展有着重要意义。