基于铁电晶体管的脉冲神经元电路制造技术

本发明专利技术提出了一种基于铁电晶体管的脉冲神经元电路，属于神经形态计算中脉冲神经元技术领域。该电路包括铁电晶体管FeFET和电阻；通过增强铁电晶体管FeFET的铁电材料的极化退化特性形成铁电晶体管L‑FeFET，该L‑FeFET用于模拟生物神经元的积累和泄露特性，从突触传递过来的电压脉冲信号施加在L‑FeFET的栅上，L‑FeFET的源端与GND相连，L‑FeFET的漏端连接于电阻的一端；电阻的另一端与固定的电源电压相连，电阻用于与L‑FeFET分压产生神经元的电压脉冲输出。本发明专利技术与基于传统MOSFET的实现方式相比，可以显著降低硬件开销；具有较强的驱动能力，有利于大规模的高度互联的脉冲神经网络的硬件实现。

Pulse Neuron Circuit Based on Ferroelectric Transistor

【技术实现步骤摘要】
基于铁电晶体管的脉冲神经元电路
本专利技术涉及神经形态计算中脉冲神经元的物理实现方式，具体涉及一种基于铁电晶体管的脉冲神经元电路。
技术介绍
随着信息技术的蓬勃发展，人类社会已经步入“数据爆炸”的时代，每年指数式增长的数据量为数据的处理和计算带来了空前的压力。传统冯诺依曼计算架构由于其存算分离的架构特点，数据在存储单元和计算单元之间的传输将引起大量的功耗和能耗的浪费，在如今信息社会乃至智能社会伴随庞大数据量的背景下，这一问题将变得越来越严重。研究者们受人脑运算模式启发，提出了神经网络(NeuralNetwork)计算架构，以神经元-突触-神经元的连接方式为基础，构建存算一体、高度并行的分布式计算网络，在提高了对复杂数据的处理效率的同时可避免传统冯诺依曼计算架构中“内存墙”引起的功耗和能耗问题。经典的人工神经网络(ArtificialNeuralNetwork)中，神经元的功能被抽象为一种数值计算：先加和输入的数据，再通过激活函数得到输出的激活值。目前，人工神经网络在图像识别、自然语言处理、自动驾驶等应用中已表现出超越传统通用计算单元的计算效率，然而与人脑相比，仍存在学习训练周期长、计算硬件开销较大等问题。神经形态计算(NeuromorphicComputing)在神经网络计算架构的基础上进一步模拟人脑，以脉冲形式表达和传递信息，所构建的脉冲神经网络(SpikingNeuralNetwork)具有异步、事件驱动的特性，可进一步缩小机器智能与人脑智能之间的差距，具有能效高、学习速度快、泛化能力强等优势。与人工神经网络中的神经元不同，脉冲神经元负责整合输入的脉冲信号并输出新的脉冲信号来传递信息，其工作形式模拟生物神经元，对信号的处理过程体现在膜电位(Vmem)的变化上。脉冲神经元的基本功能可以抽象为带泄漏的积累发放(LeakyIntegrate-and-Fire,LIF)，同时其也是神经形态计算中应用最广泛的仿生脉冲神经元模型。LIF模型将神经元膜电位的变化分为两个过程描述：人为设置一个膜电位阈值，当膜电位低于阈值时，脉冲神经元体现出带泄漏的积累功能，并可用一个一阶微分方程描述；一旦膜电位高于阈值，脉冲神经元随即发放脉冲并将膜电位重置。神经形态计算最终要实现网络整体的硬件化，才能完全摆脱“内存墙”瓶颈的限制。目前，神经形态计算的硬件实现上，已经有许多研究机构和企业研发出了多款神经形态芯片，然而在现有的神经形态计算的硬件化方案中，网络的基本单元——脉冲神经元依然主要基于传统CMOS电路搭建，对脉冲神经元功能的模拟往往依赖由数个MOSFET器件以及电容构成的电路模块，存在硬件开销较大、电路能耗较高等问题，不利于高密度、大规模集成，并可能使网络失去架构层面带来的原本的功耗和能耗优势。
技术实现思路
针对以上现有技术中存在的问题，本专利技术提出了一种基于铁电晶体管的脉冲神经元电路；与基于传统MOSFET的实现方式相比，本专利技术可以显著降低硬件开销；通过铁电晶体管完成对输出负载的充放电过程，具有较强的驱动能力，有利于大规模的高度互联的脉冲神经网络的硬件实现。本专利技术的目的在于提出一种基于铁电晶体管的脉冲神经元电路。本专利技术脉冲神经元电路包括：铁电晶体管FeFET和电阻；通过增强铁电晶体管FeFET的铁电材料的极化退化特性形成铁电晶体管L-FeFET，L-FeFET用于模拟生物神经元的积累和泄露特性，从突触传递过来的电压脉冲信号施加在L-FeFET的栅上，源端与GND相连，漏端连接于电阻的一端；电阻用于与L-FeFET分压产生神经元的电压脉冲输出，一端与固定的电源电压相连，另一端与L-FeFET的漏端相连，并作为神经元电路的输出端产生电压脉冲。本专利技术的脉冲神经元电路所使用的铁电晶体管L-FeFET具有以下特性：在施加栅电压脉冲时表现出明显的积累作用，即通过在栅上施加电压脉冲，可以调节L-FeFET器件的阈值电压，体现积累特性；而在没有栅电压脉冲时表现出积累状态的退化，即铁电极化强度的退化，体现泄漏特性；本专利技术的脉冲神经元电路所使用的L-FeFET可以是采用钙钛矿型铁电(PZT,BFO，SBT)、铁电聚合物(P(VDF-TrFE))等传统铁电材料或HfO2掺Zr(HZO)、HfO2掺Al(HfAlO)、HfO2掺Si、HfO2掺Y等HfO2掺杂型铁电材料的，可以是基于MFMIS、MFIS、MFS等结构的，具有上述典型特性的任意一种L-FeFET器件。本专利技术的基于铁电晶体管L-FeFET的脉冲神经元电路的有益效果及相应原理：1、本专利技术铁电晶体管L-FeFET的脉冲神经元电路利用输入的栅电压脉冲会导致铁电极化翻转，并且不断积累的特点，实现了生物神经元积累整合输入刺激然后发放脉冲的功能。2、本专利技术的基于铁电晶体管L-FeFET的脉冲神经元电路利用L-FeFET在没有输入脉冲的时候积累的铁电极化状态退化的特点，可以良好地模拟生物神经元的leaky特性。3、本专利技术的基于铁电晶体管L-FeFET的脉冲神经元电路利用经过一段没有任何脉冲输入的时间，器件从较低VTH的状态重新回到VTH较高的状态的特点，可以实现自重置连续发放的功能。4、本专利技术的基于铁电晶体管L-FeFET的脉冲神经元电路利用铁电极化的积累与退化特性，只需要一个L-FeFET加一个电阻即可模拟生物神经元基本的LIF功能，与基于传统MOSFET的脉冲神经元电路中需要至少一个电容加六个晶体管的实现方式，大幅降低了脉冲神经元的硬件开销，无电容的设计可同时实现能耗的降低。附图说明图1为本专利技术基于铁电晶体管L-FeFET的脉冲神经元电路的一个实施例的示意图。具体实施方式下面结合附图，通过具体实施例，进一步阐述本专利技术。本实施例采用Hf0.5Zr0.5O2铁电材料的铁电晶体管FeFET，此时，铁电材料的自发极化将在MOSFET的栅氧化层上感应出额外的电荷，导致器件沟道电导改变，使得器件沟道电流变化。铁电极化电荷在MOSFET栅氧化层上感应出的电荷亦可等效为一个额外的栅电压，反映到整个FeFET上则可以体现为器件阈值电压的变化。选择金属栅电极和金属中间栅之间的铁电材料Hf0.5Zr0.5O2厚度为3nm-10nm之间，退火温度400℃-500℃之间进行高温退火，实现增强铁电晶体管FeFET的铁电材料的极化退化特性，形成铁电晶体管L-FeFET。如图1所示，本实施例基于铁电晶体管L-FeFET实现脉冲神经元电路，包括铁电晶体管L-FeFET和电阻R；其中，L-FeFET用于模拟生物神经元的积累和泄露特性，从突触传递过来的电压脉冲信号VIN施加在L-FeFET的栅上，源端与GND相连，漏端连接于电阻R的一端；电阻R用于与L-FeFET分压产生神经元的电压脉冲输出，一端与电源电压VDD相连，另一端与L-FeFET的漏端相连，并作为神经元电路的输出端VOUT产生电压脉冲。以本实施例说明本专利技术的有益效果：1、初始状态下，L-FeFET拥有较高的VTH，因此当接收到栅电压脉冲时，器件无法充分导通，沟道电导依然较小，导致VOUT无法被有效下拉，没有脉冲输出。与此同时，输入的栅电压脉冲会导致铁电极化翻转，并且不断积累。随着栅电压脉冲的不断输入，铁电极化翻转的不断积累导致器件的VTH变得越来越低。当L-FeF本文档来自技高网...

【技术保护点】
1.一种基于铁电晶体管的脉冲神经元电路，其特征在于，包括铁电晶体管FeFET和电阻；通过增强铁电晶体管FeFET的铁电材料的极化退化特性形成铁电晶体管L‑FeFET，该L‑FeFET用于模拟生物神经元的积累和泄露特性，从突触传递过来的电压脉冲信号施加在L‑FeFET的栅上，L‑FeFET的源端与GND相连，L‑FeFET的漏端连接于电阻的一端；电阻的另一端与固定的电源电压相连，电阻用于与L‑FeFET分压产生神经元的电压脉冲输出。

【技术特征摘要】
1.一种基于铁电晶体管的脉冲神经元电路，其特征在于，包括铁电晶体管FeFET和电阻；通过增强铁电晶体管FeFET的铁电材料的极化退化特性形成铁电晶体管L-FeFET，该L-FeFET用于模拟生物神经元的积累和泄露特性，从突触传递过来的电压脉冲信号施加在L-FeFET的栅上，L-FeFET的源端与GND相连，L-FeFET的漏端连接于电阻的一端；电阻的另一端与固定的电源电压相连，电阻用于与L-FeFET分压产生神经元的电压脉冲输出。2.如权利要求1所述的基于铁电晶体管的脉冲神经元电路，其特征在于，所述FeFET器件的...

【专利技术属性】
技术研发人员：黄如，陈诚，刘姝涵，黄芊芊，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京,11