人類社會正由信息化向智能化發展，借鑒人腦結構與信息處理方式的神經形態計算系統，成為當下研究熱點。人工神經元是構建該神經形態計算系統的關鍵單元。然而基于傳統CMOS技術的神經元電路在復雜度和集成密度方面存在挑戰，亟需開發新的物理介質降低神經元電路的硬件開銷。
記者11月27日從國防科技大學獲悉，該校電子科學學院教授徐暉課題組與復旦大學芯片與系統前沿技術研究院教授劉琦課題組合作，首次實現了一種與CMOS工藝完全兼容的氧化鉿基反鐵電神經元，具有積分發射、側向抑制等神經元基本特性以及超低能耗、超高穩定性和耐久性等性能優勢。研究團隊基于所設計的神經元構建了雙層神經網絡，驗證了該神經元的自主學習能力，為實現高能效、大規模神經計算芯片提供了新的物理基礎。
11月17日，該成果以“基于反鐵電晶體管的緊湊型神經元”為題在線發表于《自然-通訊》（Nature Communications）上，國防科技大學電子科學學院講師曹榮榮、復旦大學芯片與系統前沿技術研究院副研究員張續猛、國防科技大學副教授劉森為共同第一作者，國防科技大學副教授李清江和復旦大學教授劉琦為共同通訊作者。
研究團隊基于鋯摻雜氧化鉿實現了高穩定性的超低能耗緊湊型神經元。鋯摻雜氧化鉿作為一種新型的鐵電材料，功耗低，穩定性高，與CMOS工藝完全兼容，提高其中鋯的摻雜比例可以實現易失的反鐵電性。團隊所構建的反鐵電晶體管利用反鐵電的極化控制溝道的開啟，實現了神經元的積分特性，避免了大尺寸電容的使用，有利于提高神經形態計算系統集成度。
同時，研究人員利用反鐵電的去極化實現了神經元的自恢復特性，避免了復位電路的使用，有效簡化了神經元電路。基于一個反鐵電晶體管就可以實現神經元的積分發射基本功能的模擬，大幅降低了神經元的硬件成本，其積分過程受外界刺激強度調節，刺激強度越強，神經元發射越穩定，適用于高精度計算任務。
為了驗證該神經元的自主學習能力，研究人員進一步構建了784×400×10雙層神經網絡，手寫體識別率高達96.8%，對促進新原理器件在圖像、語音等智能化處理場景的應用具有重要意義。
該研究得到了審稿人的充分肯定：“研究成果將有助于器件科研工作者了解類腦計算電路領域。該工作所提出的反鐵電晶體管模擬LIF神經元十分有潛力，將有利于類腦計算領域的發展。”
該研究得到了國家自然科學基金委、科技部、中國科學院、中國博士后科學基金會等相關項目的資助。
相關論文信息：