高性能ReS₂电荷陷阱突触器件实现100%人脸识别准确率

摘要

突触器件支撑下一代节能高速神经形态系统。我们基于各向异性铼 disulfide（ReS₂）制备了电荷陷阱突触器件，忠实再现长时程增强（LTP）和抑制（LTD）。为验证其大规模神经网络适用性，我们在Yale人脸数据库120张图像上训练三层人工神经网络（ANN），在45张未见图像上测试。将ReS₂器件120个精细可调电导态映射到ANN的>10⁵个权重，网络达到完美100%识别率，证明该器件在实际神经形态应用中的前景。

背景

传统冯·诺依曼架构将计算与存储分离，造成带宽瓶颈和高功耗。人脑仅用≈20 W运行，依靠~10¹¹神经元和~10¹⁵突触的高度互联网络。突触可塑性——突触权重的动态调节——是学习和记忆的核心机制。

二维（2D）材料如石墨烯、过渡金属二硫属化物（TMDCs）、黑磷等成为人工突触的有前景通道介质。虽然对称晶格TMDCs（MoS₂、WSe₂）主导文献，但铼 disulfide（ReS₂）具有扭曲1T结构，直带隙延伸至十层以上，简化制造并实现稳健电荷陷阱。

先前突触演示多聚焦短时程可塑性，鲜有报告捕捉长时程增强/抑制并将电导态整合进ANN计算。本工作填补这一空白：提供的ReS₂器件不仅模拟LTP/LTD，还提供120个稳定电导能级可作为ANN权重。

方法

器件堆叠（图1d）包含70 nm ITO背栅置于200 nm SiO₂/Si上，12/4/4 nm Al₂O₃/ZrO₂/Al₂O₃电荷陷阱层由原子层沉积（ALD）生长，机械剥离~3.6 nm（≈5层）ReS₂通道，Ti/Au源漏极（10/70 nm）。通道长1.5 µm，ReS₂晶向沿b轴取向以获得更高电子迁移率。脉冲背栅电压调制器件，恒定0.1 V漏源偏置读取突触后电流。

结果与讨论

图2a显示V_ds=100–700 mV时开关比>10⁶，证实20 nm ITO栅极对通道的强控制。传输特性表现出超线性低V_ds区，表明良好肖特基接触。I_bg滞回中观察到3.5 V记忆窗口（图2b），反映ZrO₂层高效电荷陷阱（图2c,d）。

−1 V/10 ms和+1 V/10 ms背栅脉冲分别触发兴奋性突触后电流（EPSC）和抑制性突触后电流（IPSC）（图3a,b）。负脉冲向ReS₂通道注入电子诱导LTP；正脉冲在ZrO₂中陷阱电子产生LTD。重复−2 V脉冲间隔1 s产生单调电流增加（图3c,d），可生成多个稳定电导态。

施加120个连续−2 V、10 ms脉冲后，器件呈现120个线性间隔电导能级（图4a）。这些能级直接映射到>10⁵个ANN权重值，如三层ANN架构所示（图4b）：1024输入神经元、256隐藏神经元、15输出类别。用120张Yale人脸图像训练、45张未见图像测试，网络在600次训练迭代后达到100%准确率（图5b）。权重分布收敛为离散值集，通过线性变换C_j=A I_j+B（A=1.3769×10¹⁰，B=−65.784）匹配至120个电导态。将这些电导值代入ANN保持100%识别率，确证ReS₂突触用于大规模神经网络的可行性。

结论

我们演示了高k介质堆叠ReS₂突触器件，可靠展现长时程增强和抑制。施加120个周期性栅极脉冲，器件产生120个离散、稳定的电导态替代>10⁵个ANN权重，实现完美人脸识别准确率。这些结果确立ReS₂作为神经形态硬件的引人注目的平台。

数据与材料可用性

作者确认所有数据、材料和协议均可供读者获取，完整包含于本文中。

缩略语

2D:

二维

ALD:

原子层沉积

ANN:

人工神经网络

LTD:

长时程抑制

LTP:

长时程增强