[发明专利]一种模拟生物神经元功能的电子器件及方法

说明书

本发明公开了一种模拟生物神经元功能的电子器件及方法。所述神经元器件通过底电极、阻变层和顶电极形成MIM纳米堆垛结构，阻变层采用莫特相变型化合物，使该器件具有易失性电学特性。将外接电阻与该器件串联，电容与器件并联，形成神经元电路实现对LIF神经元功能的模拟。通过控制输入端施加的电学信号的电压幅值、频率以及电路中电阻、电容的参数，可以实现神经元有无动作电位产生、阈值驱动产生动作电位、输入强度调节频率响应等功能；同时，在多个输入作用下可以实现时空整合以及增益调制等功能。本发明的神经元器件具有高的集成度和可微缩性，可以实现多种生物神经元功能，对于未来最终实现大规模类脑计算硬件具有重要的意义。

技术领域

本发明涉及半导体和新型计算技术领域，具体涉及一种模拟生物神经元功能的电子器件及方法。

背景技术

人类的大脑由极其密集的计算元素(神经元)网络和多功能的记忆元素(突触)组成，所有这些元素都在极低的能量水平下运行，仅使用20个fJ/op。人脑有10¹¹个神经元，对应的突触总数为10¹⁵个。神经元由许多不同的部分组成，体细胞是神经元的主体，通过树突和轴突与神经网络相连。树突负责接收来自其他神经元的信息(输入)，轴突及其末端分支负责将信息传递出去(输出)。突触的权重，即当大脑接收新信息时，神经元之间的连接强度可以通过一个叫做突触可塑性的过程变得更强(增强)或更弱(抑郁)。由于突触可塑性被广泛认为决定了大脑的学习和记忆过程，在学习阶段模拟权重的更新是神经形态计算的核心。当一个神经元被激活时，它会释放一个信号(脉冲)，信号会沿着轴突向下传递，通过突触进入下一个神经元的树突。受人类大脑结构和原理的启发，神经形态计算在下一代计算技术中具有巨大的潜力，具有大规模并行性和高效率，从而克服冯·诺依曼结构的瓶颈，最终实现人的智能水平。

为了实现这一目标，开发高度紧凑的、极低的功耗和极好的可扩展性的人工神经元和突触是至关重要的，但仍然是巨大的挑战。传统的互补金属氧化物半导体技术利用复杂的辅助电路和庞大的电容器来模拟生物动力学，由于面积和能量效率低下，不适合构建可伸缩的神经元和突触。近年来，许多人致力于利用新兴的非易失性记忆设备开发人工突触，目的是建立密集的交叉突触阵列，如非易失性忆阻器、扩散忆阻器、突触晶体管等。相比之下，尽管人工神经元与人工突触具有同等的重要性，却鲜有报道。起初对于神经元的生物研究中，单个神经元被认为是简单的线性求和和阈值装置，即使是较低层次的计算，如信号的增益调制等，也必须由神经元群来完成。然而，大量的理论工作表明，单个神经元可以作为更强大的计算单元，而目前研究的神经元器件都未涉及这方面的研究。

发明内容

鉴于现有研究中存在的不足问题，本发明的目的是提出一种模拟生物神经元功能的电子器件及方法，以实现一种结构简单、多功能的神经元器件。

为实现上述目的，本发明提供了一种模拟生物神经元的电子器件，包括衬底、底电极、阻变层、顶电极，其中底电极、阻变层和顶电极在衬底上形成MIM纳米堆垛结构，阻变层采用莫特相变型化合物；该电子器件具有易失性电学特性，能够在电压或电流的作用下受热驱动发生绝缘体向导体的相变，电压或电流撤去后又从导体回到绝缘体。

上述电子器件中，所述衬底可以是硅基衬底或柔性有机材料衬底。

所述顶电极、底电极由金属等电极材料通过半导体CMOS工艺实现，可采用多种金属材料和过渡金属氮化物材料，如Ti、Ta、Hf、W、Au、Pt和TiN；厚度为10nm～200nm。