Perangkat Sinaptik Charge-Trapping ReS₂ Tinggi Performa Mencapai Akurasi Pengenalan Wajah 100%

Abstrak

Perangkat sinaktik menjadi fondasi sistem neuromorfik generasi berikutnya yang hemat energi dan kecepatan tinggi. Kami telah memfabrikasi sinapsi charge-trapping berdasarkan rhenium disulfide (ReS₂) anizotropik yang dengan setia mereproduksi potensiasi dan depresi jangka panjang. Untuk memvalidasi kesesuaiannya untuk jaringan saraf tiruan skala besar, kami melatih jaringan saraf tiruan (ANN) tiga lapis pada 120 gambar dari database Wajah Yale dan mengujinya pada 45 gambar yang tidak terlihat. Dengan memetakan 120 status konduktansi yang dapat disesuaikan halus dari perangkat ReS₂ ke bobot ANN >10⁵, jaringan mencapai tingkat pengenalan sempurna 100 %, menunjukkan janji perangkat untuk aplikasi neuromorfik praktis.

Latar Belakang

Arsitektur von Neumann tradisional memisahkan komputasi dari memori, menciptakan hambatan bandwidth dan konsumsi daya tinggi. Sebaliknya, otak manusia bekerja dengan ≈ 20 W dengan memanfaatkan jaringan yang sangat terhubung dari ∼10¹¹ neuron dan ∼10¹⁵ sinapsi. Plastisitas sinaptik—penyesuaian dinamis bobot sinapsi—adalah mekanisme inti yang memungkinkan pembelajaran dan memori.

Material 2D (dua dimensi), seperti grafit, kalkogenida logam transisi (TMDCs), dan fosfor hitam, telah muncul sebagai media saluran yang menjanjikan untuk sinapsi buatan. Meskipun TMDCs simetris-lattice (MoS₂, WSe₂) mendominasi literatur, rhenium disulfide (ReS₂) menawarkan struktur 1T yang tertantang dengan band gap langsung hingga sepuluh lapis, menyederhanakan fabrikasi dan memungkinkan penangkap charge yang kokoh.

Demonstrasi sinaptik sebelumnya difokuskan pada plastisitas jangka pendek, dengan hanya beberapa laporan yang menangkap potensiasi/depresi jangka panjang dan mengintegrasikan status konduktansi ke dalam perhitungan ANN. Pekerjaan kami menembus kesenjangan ini dengan menyediakan perangkat ReS₂ yang tidak hanya meniru LTP/LTD tetapi juga menyediakan 120 level konduktansi stabil yang dapat digunakan sebagai bobot ANN.

Metode

Tumpukan perangkat (Gambar 1d) terdiri dari back gate ITO 70-nm pada SiO₂/Si 200-nm, lapisan penangkap charge Al₂O₃/ZrO₂/Al₂O₃ 12/4/4-nm yang ditumbuhkan oleh ALD, dan saluran ReS₂ ∼3,6-nm (≈ 5-lapis) yang dieksfoliasi mekanis dengan kontak sumber/drain Ti/Au (10/70 nm). Panjang saluran adalah 1,5 µm, dan orientasi kristal ReS₂ sepanjang sumbu b dipilih karena mobilitas elektron yang superior. Tegangan back gate dipulsa mengmodulasi perangkat, sementara bias drain-to-source konstan 0,1-V membaca postsynaptic current.

Hasil dan Pembahasan

Gambar 2a menunjukkan rasio on/off >10⁶ pada V_ds = 100–700 mV, mengonfirmasi kontrol saluran yang kuat oleh gate ITO 20-nm. Karakteristik transfer menunjukkan area low-V_ds yang superlinier, menunjukkan kontak Schottky yang baik. Jendela memori 3,5-V diamati pada histeresis I_bg (Fig. 2b), mencerminkan penangkap charge yang efisien dalam lapisan ZrO₂ (Fig. 2c,d).

Excitatory postsynaptic currents (EPSC) dan inhibitory postsynaptic currents (IPSC) dipicu oleh pulsa back gate −1 V/10 ms dan +1 V/10 ms, masing-masing (Fig. 3a,b). Pulsa negatif menginduksi LTP dengan menyuntikkan elektron ke saluran ReS₂; pulsa positif menghasilkan LTD dengan menangkap elektron dalam ZrO₂. Pulsa −2 V berulang dengan interval 1-detik menghasilkan peningkatan monoton dalam arus (Fig. 3c,d), memungkinkan generasi beberapa status konduktansi stabil.

Setelah 120 pulsa −2 V, 10 ms berturut-turut, perangkat menunjukkan 120 level konduktansi yang berjarak linier (Fig. 4a). Level ini memetakan secara langsung ke nilai bobot ANN >10⁵, seperti yang diilustrasikan dalam arsitektur ANN 3-lapis (Fig. 4b): 1024 neuron input, 256 neuron tersembunyi, dan 15 kelas output. Pelatihan pada 120 gambar Wajah Yale dan pengujian pada 45 gambar yang tidak terlihat, jaringan mencapai akurasi 100 % setelah 600 iterasi pelatihan (Fig. 5b). Distribusi bobot konvergen ke himpunan nilai yang tersebar, yang kemudian dicocokkan ke 120 status konduktansi melalui transformasi linier C_j = A I_j + B (A = 1.3769 × 10¹⁰, B = −65,784). Penggantian nilai konduktansi ini ke dalam ANN mempertahankan tingkat pengenalan 100 %, mengonfirmasi kelayakan sinapsi ReS₂ untuk jaringan saraf tiruan skala besar.

Kesimpulan

Kami telah mendemonstrasikan perangkat sinaptik ReS₂ dengan tumpukan dielektrik high-k yang secara andal menunjukkan potensiasi dan depresi jangka panjang. Dengan menerapkan 120 pulsa gate periodik, perangkat menghasilkan 120 status konduktansi yang berbeda dan stabil yang menggantikan >10⁵ bobot ANN, mencapai akurasi pengenalan wajah sempurna. Hasil ini mendirikan ReS₂ sebagai platform yang menjanjikan untuk hardware neuromorfik.

Ketersediaan Data dan Material

Penulis mengonfirmasi bahwa semua data, materi, dan protokol tersedia untuk pembaca dan sepenuhnya terkandung dalam artikel ini.

Singkatan

2D:

Dimensi dua

ALD:

Deposi lapis atom

ANN:

Jaringan saraf tiruan

LTD:

Depresi jangka panjang

LTP:

Potensiasi jangka panjang