人工智能超灵敏突触器件研究取得进展中科院宁波材料所采用轻微氧化的硫化锌

近日，谷歌研发的新版人工智能程序 AlphaGo Zero 从空白状态，在无任何人类输入的条件下迅速自学围棋，并以100:0的战绩击败“前辈” AlphaGo ，再次引起了人们对人工智能的关注。基于人类大脑的神经形态工程是人工智能的重要发展方向之一。人脑是由多达1011-1012个神经元组成的复杂网络系统，虽然它的功耗只有20 W ，但具有超强的学习和认知能力。神经元(Neurons)是人脑的基本组成单元，突触(Synapse)是神经元之间在功能上发生联系的部位，也是信息传递的关键部位。研制具有生物突触功能的电子器件，对于构建神经形态电路和实现智能计算机意义重大。忆阻器具有非线性电学性能和状态记忆功能，与生物体的神经突触类似，并可以缩小到纳米尺寸，因此忆阻器是实现突触功能的理想电子器件，使实现与人脑结构类似的人工智能硬件成为可能。

中国科学院宁波材料技术与工程研究所纳米事业部功能薄膜与智构器件团队采用轻微氧化的硫化锌（ZnS）薄膜构筑了 Cu/ZnS/Pt 忆阻型突触器件，该电子突触表现出超高的电灵敏性。目前，文献报道的用于模拟突触的忆阻器件工作电压一般为几百毫伏至几千毫伏，而生物突触只需几十毫伏就可以实现复杂的功能，现有突触器件相比生物突触表现出了较差的电灵敏性，较大的工作电压增加了器件的功耗和不稳定性。该项工作制备的 Cu/ZnS/Pt 忆阻型突触器件，在超低电压(6 mV 左右)下实现了神经突触可塑性，从而获得了一种超高灵敏的突触仿生器件，其灵敏度甚至超过了生物突触，且功率低至纳瓦量级。此外，通过简单的集成，构筑了5×5超灵敏突触器件阵列，在超低电压下实现了记忆和遗忘的动态过程。超低的工作电压有助于减小器件内部结构的破坏，降低器件工作参数的波动性，并提供了降低器件功耗的新途径(目前文献中普遍采用降低工作电流和减小脉冲宽度的手段)。

进一步研究发现，通过细致的微观结构及成分表征，提出了该忆阻器件表现出优异电学性能和超低工作电压的机理—离子迁移速率在不同物质中存在差异。在轻微氧化条件下， ZnS 薄膜近表面的晶界处形成 ZnO 纳米晶粒，导致 Cu2+ 在该体系内出现了迁移速率差，在含有 ZnO 纳米晶粒的表面层迁移速率慢，而在纯 ZnS 层迁移速率快，导致 Cu 细丝在生长过程中出现纳米尺寸间隙（＜3 nm）， Cu 细丝的断裂和连接位置锁定在纳米间隙处，因此施加超低的电压就会产生较强的电场，使器件的阻态产生转变，并保证了器件的循环稳定性。相关研究成果发表在 Advanced Materials 上，并申请两项发明专利。

研究工作得到国家自然科学基金面上项目、浙江省杰出青年基金、宁波市科技创新团队等的资助。

图1.(a, b)低温退火处理后ZnS薄膜双层结构示意图，上层ZnO/ZnS复合层，下层为纯ZnS层；(c)Cu/ZnS/Pt超灵敏突触基本电学性能；(d)突触器件工作机理示意图

图2.利用5×5突触阵列对人类记忆和遗忘过程的动态模拟。(a)分别施加幅值为5和 8 mV的脉冲电压，实现对大写字母‘V’和‘Y’的记忆，插图为单个器件施加不同幅值电压的电学响应；(b)记忆和遗忘的演变过程，其中‘V’代表短程记忆，‘Y’代表长程记忆

来源：中国科学院宁波材料技术与工程研究所