GaN基异质结光电人工突触及存算一体化

作为模拟人类大脑处理信息的计算技术，神经形态计算被认为是实现通用人工智能的重要方向之一。

感存算器件专题探讨

“存算一体化”数据计算芯片是未来解决该问题的主流方向，区别传统“冯·诺依曼”计算机架构，用于脉冲神经网络的新型神经拟态器件是在认识人脑的基础上，模拟人脑的思维和工作方式，发展一种全新的人工智能芯片技术，即非“冯·诺依曼”架构的存算一体化神经拟态器件。

人脑通过外部的感知，包括视觉、听觉、嗅觉、触觉等，结合记忆，触发决策机制和身体的行为输出。最基本的单个神经单元，包括细胞体、树突、轴突、突触，突触负责信号传导，胞体负责函数决策。存储、记忆和运算是神经拟态器件至关重要的特征。

近日，中国科学院半导体研究所伊晓燕研究员课题组构建氮化镓基异质结神经拟态器件，采用TiO2/AlGaN/GaN基光场效应晶体管的源、漏、2DEG沟道、栅，分别模拟突触的前膜、后膜、间隙和权重调节端口，可通过紫光调节突触权重。集成的肖特基异质结构保证了器件处于nA级电流和nW级功率的低功耗工作状态。经过测试验证的器件突触可塑性能，包括兴奋性突触电流、短/长程可塑性、双脉冲易化指数、学习记忆方式以及巴浦洛夫经典条件反射实验。该器件可以通过光尖峰刺激次数的改变实现突触权重的调节，模拟“再训练”过程，实现信号记忆时间的延长，这与人脑的工作机制相似。并从经典条件反射实验中，证明了该器件具有联想学习的功能。

图1.（a）（b）人脑神经系统和神经突触的示意图；（c）TiO2-gate/AlGaN/GaN异质结神经拟态突触器件剖视图；（d）芯片的光学显微镜图片；（e）芯片有源区的SEM图片；（f）器件I-V曲线的线性和对数坐标图，以及静息状态下的V-P功耗情况。

图2.（a）紫光脉冲刺激下产生的兴奋性突触电流；（b）器件的能带工作机理；（c）器件在两个连续光脉冲刺激下的二次学习能力；（d）随着脉冲间隔时间变化的双脉冲易化指数。

在脑科学计划和人工智能的大背景下，基于存算一体化芯片架构的技术正在成为研究热点。在应对AI大模型的算力需求不断提升的技术要求下，“内存墙”问题成了AI训练的瓶颈，严重影响了芯片间的通信，同时数据频繁传输与搬运造成的功耗损失越来越严重，形成了“功耗墙”问题。

基于已有工作基础，课题组计划在未来的研究中努力发展和构建更完整突触功能、多模态调控综合决策以及三维空间互联的神经拟态器件。期望本论文的研究能为新一代人工智能的应用提供基础技术和芯片层面的新思路。该研究得到了国家重点研发计划2021YFB3601000，2021YFB3601004的支持。

该文章以题为“Nanowatt-level optoelectronic GaN-based heterostructure artificial synaptic device for associative learning and neuromorphic computing”发表在Journal of Semiconductors上。

来源：未来芯研究

*声明：本文由作者原创。文章内容系作者个人观点，宽禁带半导体技术创新联盟转载仅为了传达一种不同的观点，不代表本联盟对该观点赞同或支持，如果有任何异议，欢迎联系我们。