河北大学闫小兵教授团队InfoMat:反铁电AgNbO3构建的神经形态感知系统

学术   2024-12-12 08:30   四川  

点击蓝字

关注我们



摘  要


河北大学闫小兵团队选择无铅AgNbO3(ANO)反铁电材料,通过利用脉冲激光沉积技术,在单晶SrTiO3(STO)衬底上外延生长了Pt/SRO/ANO/SRO/STO结构忆阻器,该忆阻器表现出良好的双滞回特性且具有>103大的开关比、8.99 nW超低开关功率和>105高稳定性。



文章简介

受生物神经系统的启发,我们正在利用电子元件构建类脑的神经形态感知系统,以模拟生物体编码和处理信息的方式,这被认为是实现下一代人机交互技术的有效途径。忆阻器因其工作原理与生物神经的工作过程相似,在类脑神经仿生领域占据了重要地位。这些基于忆阻器的系统有潜力简化复杂的算法编码,突破传统计算架构的性能限制,进而增强系统的集成度。然而,忆阻器技术仍面临重大挑战,尤其是细丝型忆阻器中难以控制的随机性问题,以及Mott绝缘体所需的高驱动电流导致系统功耗增加,这些问题限制了忆阻器在大规模神经形态计算系统中的应用。

反铁电(AFE)材料是一种特殊的极性材料,由相邻的相反偶极子堆叠在一起,相互补偿,在外部电场下导致宏观尺度上的残余极化为零。反铁电材料可以通过施加电场调节其固有的极化/去极化过程影响材料内部的电子状态,实现其电阻状态的转变。利用其挥发性特性,能够模拟生物神经元的自我恢复,消除了对外部周边复位电路的需求。这些材料具有更宽的带隙(意味着更低的漏电流)且转变过程是体效应(意味着更好的器件稳定性)。因此,探索反铁电材料在忆阻器中的应用可能是全面提升其性能的关键。

河北大学闫小兵团队选择无铅AgNbO3(ANO)反铁电材料,通过利用脉冲激光沉积技术,在单晶SrTiO3(STO)衬底上外延生长了Pt/SRO/ANO/SRO/STO结构忆阻器,该忆阻器表现出良好的双滞回特性且具有>103大的开关比、8.99 nW超低开关功率和>105高稳定性。利用LIF神经元电路模型,建立反铁电ANO忆阻器的固有极化/去极化过程与整合/泄漏神经元功能的动态关系,证明了AFE神经元具有可调节的发射频率。AFE神经元与温度、光传感器结合,能够将光和温度信号编码为脉冲,展现出模仿生物视觉和温度感知的能力。通过模拟,感知神经元进一步集成到三层脉冲神经网络的输入神经元中,实现了基于MNIST的光学图像分类95.34%的准确率和热成像分类95.76%的准确率。这些结果表明,AFEAN是构建高效率SNN系统的有前途的候选者,并可能促进基于反铁电材料的神经形态机器的工业落地。该工作以题为“Neural morphology perception system based on antiferroelectric AgNbO3 neurons” 在InfoMat上在线发表(DOI: 10.1002/inf2.12637)。


我们摘取了文章里的几部分重点给大家做个介绍:

1. 采用微结构表征技术发现AgNbO3材料能够很好的在SRO及STO衬底上外延,这种外延可以有效提升薄膜的可预测性和均一性,有效降低器件间的弥散性。

图1 A. ANO晶体结构转变示意图。B. 忆阻器器件结构示意图。C. 在SRO/STO基底上生长的ANO薄膜的XRD衍射图。D. ANO薄膜在不同扫描范围内的AFM图。E. SRO/ANO/SRO/STO异质结构的横截面TEM图。F. 界面的高分辨率TEM图像。G. 界面处原子周期排列结构。H. ANO/SRO/STO异质结构的SAED(选区电子衍射)图像。I. 器件中Ag元素的EDS(能量色散谱)图像。J. 器件中Nb元素的EDS图像。


2. ANO材料具有很好的反铁电,该反铁电特性能够被电场调控,制备的忆阻器能够在8 uA的限流下稳定工作,这有利于降低类脑系统的功耗。

图2  A. 不同电场作用下ANO薄膜的反铁电滞回线。B和C.  P-V(极化-电压)回线的频率和温度特性。D. 在8 μA 限制电流下ANO阈值器件的典型I-V(电流-电压)曲线。E. 电场下ANO反铁电极化调制。F. 反铁电ANO器件在100次重复循环中双向高电阻和低电阻状态的分布。G. Vth_pos、Vhold_pos、Vth_neg和Vhold_neg的统计。H. 基于电脉冲测试器件的耐久特性。


3. 利用ANO反铁电忆阻器搭建了LIF神经元电路模型,实现了神经元整合与发射的生物行为,构建类脑神经系统提供了良好的前期基础。

图3  A. 生物神经元的结构和传导模型。B. 生物神经元胞体细胞膜附近的离子通道及膜电位。C. 使用AFE ANO阈值器件构建的人工神经元电路。D. AFEAN在幅度分别为3V、4V和5V的输入脉冲下的尖峰输出行为。E. AFEAN在不同输入电阻下的尖峰响应。F. AFEAN在不同充电循环中的尖峰响应。


4. 通过连接传感器,搭建了视觉和温度感知的神经形态感知系统,实现了对外部光和热信号的编码。

图4  A. 基于脉冲的AFE神经系统光学和温度感知的示意图。B. 光敏传感器在明暗条件下切换时的电阻变化。C. 不同光照条件下光敏传感器的I-V曲线。D. 光敏传感器与光强度之间的非线性关系。E. 在相同的脉冲电压序列下,不同温度下的不同电压输出。F和G. 在不同光强度和温度环境下AFE神经系统中电容的充电水平。F. 视觉感知系统尖峰输出频率的拟合。H-K. 用于视觉和温度感知的AFE神经系统的尖峰输出响应。


5. 神经形态感知系统能够实现对基于MNIST数据集的光和温度图像分类,测试集的准确率可以达到95.34%和95.76%。

图5 A)  A. 不同类型图像(光学成像、热成像)在感知神经元下将物理信号编码为电脉冲,并将它们输入神经网络进行分类的过程。光学图像(热成像)中每个像素的值被视为光(温度)强度。784个人工脉冲视觉(温度感知)神经元将光学图像(热成像)中的像素信息编码为电脉冲信号,并将它们输入到三层脉冲神经网络(SNN)中,最终通过计算输出层神经元的放电率来获得分类结果。B. SNN神经网络模拟的流程图。在计算(黄色箭头)过程中,图像首先被编码为感觉神经元峰值的脉冲,然后发送到线性层进行加权和整合,通过反铁电神经元计算输出层峰值的损失。在误差反向传播阶段,调用sigmoid型函数来计算梯度(红色箭头)。黄色框中的计算模块是根据实验数据模拟的,绿色框中的计算模块是由软件模拟的。C. 光学图像分类测试准确率随训练周期的变化。经过50个训练周期后,测试集的准确率可以达到95.34%。D. 输入不同光学图像时输出层神经元的平均峰值数量。E. d图输出结果的可视化。F. 显示经过50个训练周期后光学图像测试数据集的混淆矩阵分类结果,表明其可以很好地进行分类。G. f图输出结果的可视化。H. 热成像分类测试准确率随训练周期的变化。h经过50个训练周期后,测试集的准确率可以达到95.76%。I. 输入不同的热图像时输出层神经元的平均峰值数量。J. i图输出结果的可视化。K. 显示经过50个训练周期后热图像测试数据集的混淆矩阵分类结果。


论文信息

Neural morphology perception system based on antiferroelectric AgNbO3 neurons

Jianhui Zhao, Jiacheng Wang, Jiameng Sun, Yiduo Shao, Yibo Fan, Yifei Pei, Zhenyu Zhou, Linxia Wang, Zhongrong Wang, Yong Sun, Shukai Zheng, Jianxin Guo, Lei Zhao*, Xiaobing Yan*

DOI: 10.1002/inf2.12637

Citation: InfoMat, 2024, e12637

点击左下角【阅读原文】查看文章


作者介绍



赵建辉,河北大学电子信息工程学院讲师,硕士生导师,专注于忆阻器研究,涉及制备、性能提升及类脑神经功能仿生。主持河北省自然科学基金青年基金和教育厅项目,参与国家重大项目及自然科学基金等多项基金。以第一作者或通信作者在InfoMat、Adv. Funct. Mater.等国际知名期刊发表论文10余篇,其中高被引论文1篇。



闫小兵,河北大学教授,博士生导师。近年来致力于类脑芯片关键元器件忆阻器与系统的研发,先后获得国家重大人才工程青年学者、教育部霍英东青年教师奖、宝钢优秀教师奖、河北省青年科技奖、河北省青年五四奖章、河北省青年拔尖人才、河北省三三三人才二层次称号、河北省杰出青年等。在顶级国际权威期刊 Nature Nanotechnology、Advanced Materials、Nature Communications等发表论文100余篇,2019年被评为全球前2%顶尖科学家。



关于InfoMat

《信息材料(英文)》(InfoMat)是由电子科技大学和Wiley出版集团共同主办的国产金色OA学术期刊,聚焦信息技术与材料、物理、能源、生物传感以及人工智能等新兴交叉领域前沿研究,创刊主编为李言荣院士。《信息材料(英文)》(/nfoMat)是由电子科技大学和Wiley出版集团共同主办的国产金色OA学术期刊,聚焦信息技术与材料、物理、能源、生物传感以及人工智能等新兴交叉领域前沿研究,创刊主编为李言荣院士。

● 国产金色OA英文期刊

● 影响因子22.7;CiteScore37.7

● 中国科技期刊卓越行动计划高起点新刊

● 中国科技期刊卓越行动计划二期项目英文梯队期刊

● 中科院分区材料科学1区期刊

● 收录于DOAJ、SCIE、Scopus、CSCD、CAS、INSPEC等数据库

● 2022、2023年连续入选中国最具国际影响力学术期刊(Top5%)

● 2021、2022、2023年连续三年获评已进入世界期刊TOP5%

● 发表原创性研究论文、综述、前瞻性论文

期刊主页:http://www.wileyonlinelibrary.com/journal/infomat

投稿链接:https://mc.manuscriptcentral.com/infomat

编辑部邮箱:editorial@info-mat.org


扫描期刊二维码,查看InfoMat主页


猜你喜欢

01 清华大学朱荣教授团队InfoMat:高效、通用的手语识别技术助力无声交流

02 InfoMat编辑推荐|神经形态计算

03 中科院北京纳米能源与系统研究所潘曹峰/深圳大学王春枫InfoMat:人工视觉-触觉感知阵列用于记忆加强和神经形态计算

球分享

球点赞

球在看

WILEY



MaterialsViews

Wiley旗下材料科学类期刊官方微信平台

关注公众号及视频号

推送材料科研资讯|访谈材料大咖新秀

分享撰稿投稿经验|关注最新招聘信息

点击“分享”,给我们一点鼓励吧~

MaterialsViews
Wiley MaterialsViews中国,带给您前沿的材料科技动态。欢迎关注我们的视频号。投稿请联系:materialsviewschina@wiley.com
 最新文章