科學家研制出新型可重構二維激活神經元器件

近日，中國科學院東莞材料科學與技術研究所/松山湖材料實驗室研究員梁齊杰團隊與中山大學教授侯仰龍團隊合作，提出一種基于二維范德華異質結構（h-BN/MoS₂/h-BN）的可重構激活神經元器件。該器件通過創新的柵極-漏極重疊（GDO）設計，在單個器件內同時實現了模擬激活函數與數字邏輯運算功能，為神經網絡硬件提供了新型數模混合處理架構。相關成果發表于《納米快報》（Nano Letters）。

可重構二維激活神經元器件。(a)-(b) 生物大腦和神經元結構的示意圖。(c) 具有突觸和激活神經元的神經網絡硬件實現。(d) 二維激活神經元的示意圖。(e) hBN/MoS₂/hBN異質結的透射電子顯微鏡圖像及其對應的EDS分析結果。(f) 模擬Softplus激活函數的輸出電流曲線。(g) 不同激活神經元性能的對比。研究團隊供圖

隨著人工智能向邊緣計算終端延伸，神經網絡硬件對高能效、高集成度的需求日益迫切。激活函數作為神經網絡的核心組件，目前仍主要依賴互補金屬氧化物半導體（CMOS）外圍電路實現，不僅占用額外芯片面積、增加功耗，還帶來頻繁的數據轉換與搬運開銷，成為制約類腦芯片發展的關鍵瓶頸之一。如何在器件層面直接完成非線性激活，并兼顧數字邏輯處理能力，是該領域的重要科學問題。

研究團隊利用二維材料構建了h-BN/MoS₂/h-BN異質結器件，并創新性地引入柵極-漏極重疊結構。該設計在漏端形成可調控的同質結，通過頂柵、底柵與漏極偏壓的協同調制，激發帶間隧穿（BTBT）效應，從而實現對亞閾值擺幅和閾值電壓的動態重構。這一機制使得器件輸出特性自然逼近Softplus激活函數，滿足神經網絡對連續可導、梯度穩定的要求。結合能帶分析、TCAD數值模擬及解析模型，團隊系統揭示了BTBT主導非線性激活的物理本質，實現了器件設計與理論模型的相互印證。為證實GDO結構的關鍵作用，團隊制備了底部重疊柵和傳統雙柵對照器件。結果顯示，對照器件無法實現亞閾值擺幅與閾值電壓的協同調控，難以穩定擬合Softplus函數，在訓練中易出現梯度爆炸或梯度消失問題。而GDO器件可精確調控BTBT過程，為可重構非線性激活提供了結構保障。

得益于二維材料優異的柵控能力及GDO結構設計，該器件展現出極低的漏電功耗（低至10 pW），較傳統模擬CMOS方案降低約九個數量級；單次運行能耗僅為19.31 pJ。同時，該器件可與多種二維突觸器件穩定集成，無需改變神經元結構即可完成激活處理，具備良好的通用性和兼容性。在神經網絡測試中，該器件擬合的Softplus激活函數被應用于LeNet-5卷積神經網絡和多層感知機，圖像分類準確率分別達到98.84%和98.26%，驗證了其在實際訓練中的有效性和穩定性。

除模擬激活外，該器件還可通過雙柵協同調控執行OR邏輯等數字運算，在同一單元內實現數字邏輯與模擬激活的動態切換，構建數模混合處理模式。基于此特性，團隊搭建了由7個二維激活神經元組成的硬件圖像邊緣檢測系統，成功完成數字圖像到模擬信號的轉換及邊緣增強處理，展示了其在邊緣智能、存算一體和類腦計算等領域的廣闊應用前景。

相關論文信息：https://doi.org/10.1021/acs.nanolett.6c02085