摘要:

研究论文 ● 开放获取阅读更多

1.文章导读

本文构建了基于双向阈值开关（OTS）的神经形态人工神经元器件，通过调控阈值电压（V_th）与保持电压（V_hold）的差值拓展器件工作窗口，有效提升脉冲神经网络（SNN）的时序抖动抗性与学习稳定性。针对SNN依赖精准脉冲时序计算、易受时序抖动干扰且存在突触权重更新受限的问题，本文采用材料改性策略拓展人工神经元器件的工作窗口，证实该窗口宽度可直接抑制器件误差、优化突触权重更新特性。研究通过在GeTe基OTS器件中引入碳掺杂，实现电场下陷阱态深度的精准调控，完成对V_th与V_hold的可控调制。电学测试结果表明，3.4%为最优碳掺杂浓度，可最大化器件工作窗口，稳定阈值开关行为，保障神经元可靠工作。结合密度泛函理论（DFT）仿真与多项输运特性表征，阐明了碳掺杂通过改变原子配位数、化学键角，调控材料陷阱分布与电子态密度的微观作用机制。最后，将优化后的OTS神经元应用于Tempotron学习框架，验证了工作窗口拓展可显著提升网络脉冲时序鲁棒性、放宽突触权重更新约束。该研究为研制高可靠性脉冲神经形态计算硬件提供了可规模化的实现方案，可有效推动新一代人工智能硬件的发展。