柔性神經形態晶體管及其仿生感知應用*

蔣子寒 柯碩 祝影 朱一新 朱力 萬昌錦 萬青

(南京大學電子科學與工程學院,南京 210093)

生物感知系統具有高并行、高容錯、自適應和低功耗等獨特優點.采用神經形態器件實現生物感知功能的仿生,在腦機接口、智能感知、生物假體等領域具有重大應用前景.與其他神經形態器件相比,多端口神經形態晶體管不僅可以同時實現信號的傳輸和訓練學習,還可以對多路信號進行非線性的時空整合與協同調控.然而,傳統剛性神經形態晶體管很難實現彎曲變形以及和人體密切貼合,限制了神經形態器件應用范圍.所以,具有良好彎曲特性的柔性神經形態晶體管的研究成為了最近的研究重點.本文首先介紹了多種柔性神經形態晶體管的研究進展,包括器件結構、工作原理和基本功能;另外,本文還將介紹上述柔性神經形態晶體管在仿生感知領域中的應用;最后給出上述研究領域的總結和簡單展望.

1 引言

人類感知系統中具有無數的感覺受體,這些受體負責檢測各種體內和環境的信息,并將其轉化為低頻電脈沖并傳遞到專門的認知感覺神經系統[1].認知神經系統通過修改神經元之間的連接強度,實時地收集、整合、處理和存儲信息,將海量的感官信息轉化為綜合的認知和意識,這使得我們能夠比較準確和實時地認知外部世界并做出復雜的互動[2,3].自然界優化后的生物感知系統,具有并行性、容錯性、自適應性和低功耗等優點[4?9].生物突觸和神經元具有許多獨特的特性,比如突觸可塑性和時空信息整合,這些特性被稱為神經形態特性.模仿神經形態特性的神經形態器件及其仿生感知可以極大地推動腦機接口[10,11]、智能感知[12?15]、生物假體[16?18]等領域的發展.

人工突觸和人工神經元分別能夠對信號進行記憶和整合,是仿生感知系統的重要組成部分.目前研究人員已經提出了多種類型的人工突觸器件,例如基于兩端孔憶阻器的人工突觸[19?29]和基于三端/多端晶體管的人工突觸[30?37].神經形態晶體管不僅可以實現信號的并行傳輸和訓練學習,還可以實現多信號的非線性時空整合[38,39].此外,通過調控端的引入研究人員還可以實現對神經形態特性的協同調控[40,41].然而,任何旨在與人體交互的設備都需要與人體適當集成來確保設備具有長期穩定的性能[42].傳統的剛性突觸器件很難密切貼合柔軟、彎曲的人體,通常會在超低應變 (約1%) 下斷裂[43],無法承受器官和組織的高生理應變,嚴重限制了該類器件的使用范圍.所以,需要開發能夠與皮膚、器官、大腦等生物組織集成的、具有良好機械柔性、延展性和生物相容性的柔性神經形態晶體管.

本文將介紹三類柔性神經形態晶體管(電解質柵突觸晶體管、鐵電柵突觸晶體管、浮柵突觸晶體管)

的最新研究進展,包括器件的結構、原理和功能,并將進一步介紹上述柔性神經形態晶體管在仿生感知領域中的應用.最后,本綜述還給出了上述研究領域的總結和簡單展望.表1 顯示了近期3 種柔性突觸晶體管的代表性工作,并對其實現的神經功能和機械柔性進行簡要比較.由于生物相容性對于突觸晶體管在生物醫療等領域的應用具有重要意義,所以表1 中特別指出了使用具有生物相容性柵介質的突觸晶體管.

表1 不同類型柔性突觸晶體管比較Table 1.Comparison of different types of flexible synaptic transistors.

2 生物突觸和生物神經元

大腦中的突觸和神經元共同構成學習和記憶的最小單元[59],神經元可以簡單地認為是用來處理信息的,突觸是神經元之間在功能上發生聯系的部位,也是信息傳遞的關鍵部位[60].如圖1(a)所示,含有細胞核的胞體是神經元的主體,樹突是胞體延伸出來的樹狀凸起,負責接收并整合來自其他神經元的信息.軸突通常從胞體上延伸一段距離,是信息傳遞的主要通道.在軸突的末端會分裂出許多細枝,這些細枝能夠與其他神經元的樹突或者胞體形成特殊的納米間隙(20—40 nm),被稱為突觸,如圖1(b)所示.每個神經元通過突觸與其他成千上萬個神經元相連構成了神經網絡[61].

圖1 生物神經元(a)和生物突觸(b)的結構示意圖[66]Fig.1.Schematic diagram of biological neuron (a) and biological synapse (b)[66].

生物神經元通過突觸接收來自其他生物神經元的時空脈沖信號,并對接收到的信號進行整合.如果整合后的信號強度達到閾值,神經元就會輸出動作電位,動作電位沿著軸突傳播到其末端,刺激軸突末端釋放神經遞質,神經遞質通過擴散穿過突觸間隙與突觸后膜上的受體結合,改變了突觸后神經元的膜電位,從而實現信號的傳遞.如果積分未達到閾值,神經元的膜電位就會逐漸衰減至靜態電位.根據突觸后膜上受體的不同,可將突觸分為抑制性突觸和興奮性突觸兩種.在興奮性突觸中,突觸前神經元釋放的神經遞質會使突觸后神經元產生興奮性突觸后電流/電位(excitatory post-synaptic current/potential,EPSC/EPSP).相反,在抑制性突觸中,突觸前神經元釋放的神經遞質會使突觸后神經元產生抑制性突觸后電流/電位(inhibitory postsynaptic current/potential,IPSC/IPSP).至今為止,已經提出了一些神經元計算模型來模擬神經元信號的整合和產生過程,比如Hodgkin-Huxley(H-H)模 型、integrate and fire (IF)模 型、leaky integrate and fire(LIF)模型[62?64].H-H 模型雖然可以高精度地模擬生物神經元的行為,但是較為復雜,包含了4 個方程和數十個參數,很難在實際中應用[65].IF 模型和LIF 模型通過將膜電位與閾值進行比較來決定是否觸發尖峰,忽略了神經元樹突的空間結構[67].在LIF 模型中,膜電位低于閾值會在短時間內漏出,更接近真實的神經元.IF 模型是LIF 模型的簡化版本,沒有泄漏行為.只要膜電位繼續累積超過閾值,就會觸發放電.

神經元間的連接強度稱為突觸權重,突觸權重的重新配置(即突觸可塑性),被認為是神經系統學習和記憶的基礎[68].突觸可塑性分為短程塑性(shortterm plasticity,STP)和長程塑性.短程塑性對應的是刺激后突觸權重的短暫改變,持續時間為幾十毫秒到幾分鐘,是神經網絡實現時空相關計算功能的生理基礎[69,70].雙脈沖易化/抑制(paired-pulse facilitation/depression,PPF/PPD)是短程塑性的一種重要表現形式.由于短期塑性可以在短時間內改變突觸權重,因此突觸可以通過增強或抑制突觸權重來充當濾波器[71,72].長程可塑性包括長程增強(long-term potentiation,LTP)和長程抑制(longterm depression,LTD),是突觸權重持續數小時、數年甚至更長時間的改變,會給神經網絡帶來永久性的變化,為生物系統學習和記憶提供了生理基礎[73].短程塑性可以通過充分訓練或持續的神經元活動轉化為長程塑性,這種轉變是突觸連接結構變化的結果[74,75].

時間尖峰依賴的可塑性(spike-timing-dependent plasticity,STDP)是 Hebbian 學習規則的基本類型之一,它描述了兩個尖峰之間的時間間隔和順序對突觸權重的影響,在神經網絡中具有將時間信息轉化為記憶存儲的潛力[76].人們普遍認為STDP是生物神經網絡中無監督學習的基本機制[77].頻率依賴的可塑性(spike-rate-dependent plasticity,SRDP)通過控制突觸前脈沖的頻率來調節突觸權重.根據SRDP 學習規則,高頻的突觸前脈沖會增強突觸后神經元的反應,而低頻的突觸前脈沖會抑制這種反應[78?80].

3 柔性電解質柵突觸晶體管

電解質柵晶體管(electrolyte-gate transistor,EGT)具有低工作電壓和與突觸、神經元類似的動力學行為等優點,在神經形態電子學中引起了極大的關注.EGT 的結構和場效應晶體管相同,只是用電解質替代了傳統的柵介質,在柵極電場的作用下,電解質中的陰陽離子發生定向移動,并且分別在電解質和柵極、電解質和溝道的界面處積累,形成具有μF/cm2量級的巨大雙電層(electric-doublelayer,EDL)電容[81,82].當施加到柵極的電壓相對較低時,由雙電層電容對溝道電導進行易失性調控.當施加到柵極的電壓足夠高時,電解質中的離子可能穿過電解質和溝道的界面,對溝道進行電化學摻雜或者與溝道發生電化學反應,從而實現對溝道電導的非易失性調控[42].

目前,常用電解質材料大致可以分為3 類:1)無機固態電解質,例如納米顆粒SiO2[83?86]、Al2O3[87,88];2)離子液或離子凝膠[46,89?92];3)聚合物電解質或聚電解質,例如LiClO4/聚環氧乙烷(polyethylene oxide,PEO)[93?95]、殼聚糖[96?99].

3.1 無機固態電解質

無機固態電解質柵晶體管能夠和標準工藝兼容,并且具有較低的制備溫度,在柔性電子領域具有巨大的應用前景.但是較低的制備溫度也容易產生粉塵,可能會對設備造成損害.2013 年,Wan 等[85]通過等離子體增強化學氣相沉積法在銦錫氧(ITO)覆蓋的聚對苯二甲酸乙二醇酯(polyethylene terephthalate,PET)襯底上沉積了一層摻磷的納米顆粒SiO2,通過簡單的自組裝方法制備了銦鋅氧(IZO)源漏電極和溝道,成功地模擬了EPSC,PPF,LTP等重要突觸塑性.這是對柔性人工突觸的一次積極嘗試,對構建神經形態系統非常有幫助.受到生物神經元中樹突整合和尖峰操作的啟發,他們還在柔性襯底上制備了用于PH 傳感器的多輸入柔性氧化物神經形態晶體管[86].器件的結構示意圖和柔性神經形態晶體管的電容網絡示意如圖2(a)所示.IZO 溝道中的載流子密度由傳感柵和控制柵所有輸入加權和調制.器件工作在準靜態雙柵協同傳感模式時,對pH 的靈敏度最高可達約105 mV/pH.該研究為生化檢測提供了一種超低功耗、高靈敏度、快速響應的新概念傳感平臺.

圖2 (a)基于多柵 IZO 神經形態晶體管的柔性 pH 傳感器的示意圖[86];(b) 神經纖維-OECT 的裝置結構示意圖和 OECT-神經纖維的照片,插圖:離子在可滲透半導體中的摻雜機制示意圖;(c) P3CT-神經纖維的 PSC 作為施加電壓尖峰之間的時間間隔(Δt)的函數 (VGS=–0.7 V,100 ms);(d) P3CT-和 P3HT-神經纖維中超過 45 個周期的LTP 和LTD 循環測試;(e) 生物神經網絡和神經纖維晶體管網絡示意圖(左),10 × 10 P3CT-神經纖維陣列的照片(右)[46]Fig.2.(a) Schematic illustration of the flexible pH sensor based on an IZO neuromorphic transistor with multiple gate electrodes[86];(b) schematic of the device architecture for neurofiber-OECT and photograph of OECT-neurofiber,inset:schematic of the doping mechanism by ions in a permeable semiconductor;(c) PSC of a P3CT-neurofiber as a function of the time interval (Δt) between applied voltage spikes (VGS=–0.7 V,100 ms);(d) cycle test of LTP and LTD in P3CT-and P3HT-neurofibers over 45 cycles;(e) schematic of biological neural network and neurofiber transistor network (left),photograph of a 10 × 10 array of P3CT-neurofibers (right)[46].

3.2 離子液或離子凝膠

離子液是室溫下呈液相的鹽類,僅由陰陽離子組成.離子凝膠通常是由嵌段共聚物溶解在離子液中并凝膠化獲得[100],其豐富的空間網狀結構有利于離子的移動.離子液和離子凝膠具有相對更高的比電容和更短的極化時間,能夠實現更高的開關速度和更快的工作頻率[101].Kim 等[46]提出了一種可實現樹突網絡的神經纖維有機電化學晶體管,并特別提出以羧酸官能化聚噻吩-聚[(3-(6-羧己基)噻吩)-2,5-二 基] (poly[3-(6-carboxyhexyl) thiophene-2,5-diyl],P3CT)為溝道來增強記憶保留和循環耐受性,器件結構如圖2(b)所示.該器件不僅模擬了EPSC,LTP,LTD 等基本突觸功能,而且模擬了神經元的LIF 行為,如圖2(c)所示.與聚(3-己基噻吩) [poly(3-hexylthiophene-2,5-diyl),P3HT]相比,P3CT 在長期穩定性和循環耐受性上具有顯著優勢,如圖2(d)所示.為了證實P3CT-神經纖維在紡織人工神經網絡系統中的應用可行性,又展示了一個包含100 個不同突觸的陣列,連接了10 個突觸前神經元和10 個突觸后神經元.如圖2(e)所示,這個神經網絡陣列是由10 個P3CT-神經纖維與10 個柵級微纖維編織而成,成功演示了基于時域的迭代尖峰神經網絡學習的語音識別,平均識別準確率高達88.9%.

延展性對于柔性突觸晶體管至關重要,目前具有延展性的柔性突觸晶體管多數以離子凝膠為電解質柵.2018 年,Lee 等[102]制備了以離子凝膠作為電解質柵、P3HT 納米線為溝道的可拉伸突觸晶體管,這種突觸晶體管即使沿著溝道長度或寬度方向拉伸100%,仍然能夠保持穩定的性能.2019 年,Bao等[103]制備了以離子凝膠為電解質柵、碳納米管為溝道的突觸晶體管陣列.雖然在沿溝道長度方向拉伸20%時,觀察到了源漏電流的少許退化.但是在沿溝道寬度方向拉伸20%時,器件的源漏電流基本保持不變.2022 年,Liu 等[104]制備了以離子凝膠為電解質柵、P3HT/PEO 納米纖維為溝道的可拉伸神經形態晶體管,即使在沿著溝道長度方向拉伸50%的條件下,器件仍然具有穩定的突觸功能.所以,以離子凝膠為電解質柵的柔性突觸晶體管在仿生感知、軟機器人、生物假肢等領域具有巨大的應用潛力.

3.3 聚合物電解質或聚電解質

單純的絕緣聚合物不能傳輸電子,是很好的柵介質材料[106?108].但是不包含離子的純聚合物在施加偏壓時不會形成EDL,所以通常將無機鹽溶解在離子配位聚合物中形成聚合物電解質[105,109,110]或使用含有離子或可電離基團重復單元的聚電解質[111?113]作為電解質柵.聚合物電解質中研究最多的就是鋰鹽與PEO 所構成的聚合物電解質,例如LiClO4/PEO.2020 年,Zhu 等[105]在聚酰亞胺(polyimide,PI)襯底上制備了以In2O3為溝道、LiClO4/PEO 為柵介質的柔性突觸晶體管,具有良好的柔韌性和機械可靠性,器件結構如圖3(a)所示,成功地模擬了突觸的短程可塑性和短程可塑性到長程可塑性的轉換,如圖3(b)和圖3(c)所示.隨后又通過在柵極上施加一系列連續脈沖來改變溝道電流,如圖3(d)所示,這表明該突觸晶體管具有可接受的穩定性和循環耐受性.最后,為了進一步可視化In2O3突觸晶體管中的短期和長期記憶,使用了5×5 陣列來研究圖像記憶.為使用環保溶液制備的非晶金屬氧化物半導體制造人工突觸器件提供了一種新方法.

圖3 (a) LiClO4 溶解在PEO 中作為柵極電解質的突觸晶體管的結構示意圖;(b) 雙脈沖易化,插圖:PPF 指數被繪制為兩個脈沖之間時間間隔的函數;(c)由40 個突觸前脈沖觸發的EPSC;(d) LTP 和LTD 的可重復性[105]Fig.3.(a) Schematic of synaptic transistors with LiClO4 dissolved in PEO as gate electrolyte;(b) paired-pulse facilitation,inset:PPF index is plotted as a function of time interval between the two pulses;(c) EPSC triggered by 40 presynaptic pluses;(d) repeatability of LTP and LTD[105].

殼聚糖等天然聚合物的衍生物是用于EGT 的常見聚電解質,具有無毒、可生物降解、生物兼容等優勢[114?117].Ke 等[97]制備了以殼聚糖/氧化石墨烯復合薄膜為柵介質、銦鎵鋅氧(IGZO)為溝道的自支撐神經形態晶體管,器件結構如圖4(a)所示,在設計智能警報系統和人工眼睛方面具有較大的應用潛力.光刺激角膜傷害感受器(photoexcited corneal nociceptor,PCN)的示意如圖4(b)所示,通過以光脈沖作為突觸前刺激、IGZO 溝道中的電流作為突觸后響應,成功地模擬了這一生物功能.光響應的原理如圖4(c)所示.EPSC 的幅值被視為PCN 對外界刺激的響應,將10 nA 定義為PCN的閾值.當光刺激觸發的EPSC 達到或超過10 nA時,PCN 會“活化”并觸發警報程序,此時的光功率稱為觸發閾值功率(PT).用50 個光脈沖來產生受傷條件,受傷前后不同功率的單個光脈沖產生的光電流如圖4(d)所示.可以看出,在受傷情況下,PCN 會產生更大的光電流響應并且PT向較低處移動,成功地模擬了異常性疼痛和痛覺過敏.此外,還利用調控端VG對IGZO 溝道的橫向調控,成功地模擬了中樞敏化和中樞鎮痛作用,如圖4(e),(f)所示.

圖4 (a) 自支撐光電神經形態晶體管示意圖;(b) 光刺激角膜傷害感受器示意圖;(c) IGZO 晶體管中光學響應的能帶圖;(d) PCN“受傷”前后實驗測量的光電流;(e) 利用VG=0.1 V 模擬的中樞敏化,PT 降至 4.98 nW/μm2;(f) 利用VG=–0.1 V 模擬的鎮痛作用,PT 增大到 17.62 nW/μm2[97]Fig.4.(a) Schematic diagram of the freestanding photoelectric neuromorphic transistor;(b) schematic illustration of photoexcited corneal nociceptor;(c) energy-band diagrams of optical responses in IGZO-based transistor;(d) experimentally measured photocurrents of the PCN before and after“wounded”;(e) central sensitization simulated by VG=0.1 V with PT reduced to 4.98 nW/μm2 ;(f) analgesic effect simulated by VG=–0.1 V with PT increased to 17.62 nW/μm2[97].

EGT 具有豐富的離子動力學特性,與其他器件結構相比,可以更好地模擬突觸功能,其低工作電壓特性也為超低能耗突觸器件的實現提供了可能性.然而,其小動態范圍和有限的保留特性限制了其進一步應用,此外,電解質的不穩定性(例如:離子液)也可能成為ECT 實際應用的主要限制.

4 柔性鐵電突觸晶體管

柔性鐵電場效應晶體管(ferroelectric fieldeffect transistor,FeFET)具有無損讀出、低功耗和高運行速度等優點,在非易失性存儲、人工突觸等領域得到廣泛應用[118?122].FeFET 使用鐵電材料作為柵介質,鐵電材料可以隨著電場的轉換在兩種極化狀態之間轉換,這兩種極化狀態可用作存儲器的兩種數字態[123].由于鐵電極化和載流子之間的庫侖作用,可以通過施加柵極電壓來控制鐵電柵的極化狀態,進而實現對載流子濃度的非易失性控制[124].2011 年,Müller 等[125]報道了Hf0.5Zr0.5O2(HZO)薄膜的鐵電特性.HfO2基鐵電薄膜因其具有良好的CMOS 兼容性被廣泛研究,然而,氧化物鐵電材料通常需要較高的結晶溫度,極大的限制了他們在柔性電子學領域的應用[126].

2020 年,Li 等[54]提出了一種由云母襯底、Sr-RuO3(SRO) 柵電極、PbZr0.2Ti0.8O3(PZT) 鐵電柵介質和IGZO 溝道組成的全無機FeFET 來構建突觸器件,器件結構如圖5(a)所示.50 μs 的突觸前脈沖能夠導致溝道電導急劇的增大,但無法維持,這對應于短期可塑性,如圖5(b)所示.這種器件不僅能實現編程電壓脈沖對溝道電導接近線性的調制,還具有優異的機械柔性和高溫可靠性.彎曲半徑降至4 mm、彎曲重復次數高達400 次、彎曲持續時間長達7200 s 等條件對器件的LTP,LTD 影響很小,對網絡的識別精度影響也很小,如圖5(c)—(h)所示.受益于器件的全無機結構,在100 ℃時,器件的突觸行為仍然完好無損,并且在不同溫度下的性能并沒有明顯變化.此外,由于該突觸器件具有線性、可重復和穩定的權重更新特性,MNIST(Modified National Institute of Standards and Technology)數據集手寫數字的識別準確率高達94.4%.這種柔性、穩定的全無機突觸器件在未來需要忍受環境干擾的高性能神經形態計算中具有極大地應用潛力.

圖5 (a) 全無機柔性FeFET 示意圖;(b) 不同脈寬的突觸前脈沖電壓觸發的EPSC;不同彎曲半徑(c)、不同彎曲循環次數(d)、不同彎曲時間(e)下的LTP 和LTD;(f)—(h)對應的MNIST 數字識別準確率[54]Fig.5.(a) Schematic of the all-inorganic flexible FeFET;(b) EPSC triggered by presynaptic voltage pulse with different spike widths;LTP and LTD with the different bending radius,(c) different bending cycles (d),and different bending durations (e);(f)–(h) the corresponding MNIST digit recognition accuracy[54].

聚偏二氟乙烯(polyvinylidene fluoride,PVDF)及其共聚物是應用最廣泛的鐵電聚合物,其中又以聚(偏二氟-三氟乙烯)[poly(vinylidene fluoride-cotrifluoroethylene),P(VDF-TrFE)]的應用最為廣泛[127?131].Kim 等[53]報道了第1 個基于自支撐鐵電有機神經形態晶體管(ferroelectric organic neuromorphic transistors,FONTs)的超薄人工突觸,該器件以P(VDF-TrFE)薄膜為柵介質、并五苯為溝道,器件結構如圖6(a)所示,總厚度只有500 nm左右.通過簡單的干剝離和粘貼方法,制備的器件可以穩定地轉移到各種不平整的襯底上.另外,通過精確調節P(VDF-TrFE)的剩余極化,成功地模擬了EPSC,LTP,LTD,STDP 等重要的突觸性能,并且FONTs 在如圖6(b)所示的惡劣情況下,施加6000 次突觸前脈沖依然能獲得穩定的LTP,LTD 轉換,結果如圖6(c)所示,展現出在可穿戴智能電子領域的巨大應用潛力.2020 年,Lee 等[132]提出了一種能夠感知、存儲和學習各種觸覺信息的人工觸覺學習鐵電皮膚(artificial tactile learning ferroelectric skin,ATFES),器件結構如圖7(a)所示,展示了10000 次電脈沖輸入期間LTP,LTD 的穩定轉變、3.18% 的低循環變化性以及與壓力脈沖數量和幅度相關的突觸可塑性等基本突觸功能.此外,構建了4×4 的ATFES 陣列用于對3 種不同風格手寫字母的識別,如圖7(b)所示.即使在考慮10%噪聲的情況下,也有高達99%以上的識別準確率.這種ATFES 為設計具有容錯觸覺感知學習能力的高精度人工智能電子皮膚提供了一條新的途徑.

圖6 (a) 以P(VDF-TrFE)薄膜為柵介質的自支撐有機神經形態晶體管的結構示意圖;(b) 貼合在大腦形狀模型(上圖)和彎曲半徑為50 μm 的FONTs(下圖)照片;(c) 在6000 次突觸前脈沖期間,折疊FONTs 的LTP 和LTD 的重復轉換,上左、上右圖分別代表最初和最后的10 個LTP,LTD 循環[53]Fig.6.(a) Schematic diagram of freestanding ferroelectric organic neuromorphic transistors with a P(VDF-TrFE) film as the dielectric layer;(b) photo images of the FONTs on the brain-shaped mold and folded FONTs with a bending radius of 50 μm (lower panel);(c) repetitive transition between the LTP and LTD in the folded FONTs during 6000 spikes of presynaptic pulses (±30 V for 500 ms),the left and the right in upper graph shows the LTP and LTD during the initial and final 10 cycles,respectively[53].

圖7 (a) 生物觸覺感知系統示意圖(左)和人工觸覺學習鐵電皮膚的器件結構示意圖(右);(b)三種不同手寫風格(N1,N2 和N3)的“N”圖案示意圖(左)和用于識別手寫圖案的單層神經網絡的組成部分(右)[132]Fig.7.(a) Schematic of the biological tactile perception system (left) and schematic device structure of the artificial tactile learning ferroelectric skin (right);(b) schematic illustrations of“N”patterns with three different handwriting styles (N1,N2,and N3) (left)and constituents of a single-layer neural network used to recognize handwriting pattern (right)[132].

雖然鐵電突觸晶體管具有穩定性高、開/關比大、權重更新曲線變化小等優點[133].但是,制備大規模鐵電突觸陣列所需的高質量鐵電薄膜是困難的.此外,它們還難以實現出色的短程突觸可塑性.因此,需要進一步研究以解決這些問題.

5 柔性浮柵突觸晶體管

浮柵場效應晶體管具有和傳統場效應晶體管相似的器件結構,區別在于浮柵場效應晶體管的柵介質中間夾了一層存儲功能層,稱之為“浮柵”.在編程過程中,當柵極電壓足夠大并且隧穿層足夠薄時,可以通過量子隧穿效應或熱發射將電荷注入到浮柵上[55,134,135].由于電荷阻擋層和隧穿層的存在,浮柵中的電荷可以被非易失的存儲,進而對溝道電導進行非易失性的調制[136].2009 年,Someya 等[137]在聚萘二甲酸乙二醇酯(polyethylene-naphthalate,PEN)襯底上制備了第一個柔性非易失性存儲器陣列,AlOx(4 nm)和烷基膦酸自組裝單層(2 nm)的復合層作為阻擋層和隧穿層,Al(20 nm)為浮柵.得益于超薄的柵介質,僅需較小的寫/擦電壓(≤6 V)就能產生大的、可逆的、非易失性的閾值電壓偏移.

浮柵晶體管能夠對溝道電導進行調制并且長期保持的能力,可以用來有效地記錄突觸權重,因此成為最流行的突觸結構之一[138?141].Zhang 等[57]在柔性的PET 襯底上制備了一種基于MoS2的光電雙調控異突觸,器件結構如圖8(a)所示.該突觸器件具有超快的操作速度和超低的功耗(LTP 中每個尖峰消耗18.3 aJ,LTD 中每個尖峰消耗 28.9 aJ).除了EPSC,LTP,LTD 和短程記憶到長程記憶的轉化以外,還模擬了學習-遺忘-再學習行為,如圖8(b)所示.與單獨的電調制相比,光電協同調制可以增強LTP 的高階相關性,獲得更大范圍的突觸權重.但是,由于光和電刺激的協同調制,抑制效應減弱,可以通過額外的電脈沖將突觸權重恢復到初始狀態以進行對稱調制,如圖8(c)所示.為了研究該突觸器件的機械穩定性,測量了該器件在彎曲半徑為10 mm 和7.5 mm 條件下的轉移曲線,閾值電壓沒有明顯變化,并且成功模擬了在彎曲半徑為10 mm 的情況下的EPSC,IPSC,LTP,LTD 等突觸可塑性.應該注意的是,在彎曲狀態下,LTP 和LTD沒有任何退化,甚至觀察到了一些增強,如圖8(d)所示,證明了這種柔性人工突觸裝置在可穿戴應用方面具有巨大的應用潛力.

基于連續型浮柵的突觸晶體管不可避免地存在電荷泄漏、耦合比低、電荷保持能力差等局限性[132].使用分散的、不連續的浮柵,如納米顆粒[137,140,141]、量子點材料[142?144],可以顯著地抑制浮柵中電荷的橫向泄漏,從而延長電荷保持時間.Han 等[55]首次使用C60/聚(甲基丙烯酸甲酯)[poly (methyl methacrylate),PMMA]復合層作為柵介質,展示了能夠同時表現出信號傳輸和學習功能的人工柔性有機突觸晶體管,如圖8(e)所示.C60納米顆粒通過溶液法均勻分散在PMMA 中,能夠通過對兩種載流子電荷的捕獲來實現閾值電壓的雙向遷移.這種突觸晶體管具有2.95 V 的存儲窗口、大于103的電流開/關比、超過500 次的寫入/擦除循環耐受性,成功地模擬了包括 EPSC,PPF,PPD,LTP 和重復學習過程在內的突觸功能,推動了基于納米顆粒的柔性浮柵人工突觸晶體管的發展.

圖8 (a) 光電雙調控的柔性人工異突觸示意圖;(b) 由兩個連續光脈沖序列模擬的學習-遺忘-再學習行為;(c)光照條件下,電脈沖產生的LTP 和LTD,并且通過單獨的電脈沖獲得進一步的抑制;(d) 在平坦狀態和彎曲狀態 (R=10 mm) 下,PSC 作為突觸前脈沖數的函數[57];(e) C60 浮柵突觸晶體管的示意圖(左)和橫截面 SEM 形貌圖像(右)[55]Fig.8.(a) Schematic diagram of flexible artificial heterosynapse with photoelectric dual modulation;(b) learning,forgetting and relearning behaviors emulated by two sequences of consecutive light pulses;(c) electrical pulses induced the LTP and LTD under illumination of light,further depression was obtained by electrical pulse independently;(d) PSC as a function of pre-synaptic pulse number in a flat states and curved state (R=10 mm)[57];(e) schematic representation (left) and cross-sectional SEM topography image (right) of a C60 floating gate synaptic transistor[55].

6 仿生感知應用

使用神經形態器件構建人工神經系統可以有力地推動腦機接口、智能感知、生物假體等領域的發展.而構建人工神經系統需要開發能夠實時感知外界刺激、對傳感信息進行處理和存儲,并做出反應的智能仿生感知系統[142?144].目前的仿生感知系統一般由傳感器、神經形態器件和轉換組件構成,并用以模仿特定的感知功能.通過將外部刺激(比如:聲音、壓力、光、氣體)轉化為電信號[145?150],然后利用人工突觸的權重調節對信號的進行整合或記憶,產生與生物感知系統相似的響應,實現對外界環境的仿生感知.與傳統的感知系統相比,基于柔性突觸晶體管的仿生感知系統具有更簡單的電路、更低的功耗,同時又賦予系統可拉伸、可降解等生物學特性[66,102,151,152].

人類的視覺系統對于生存和學習都至關重要,大約80%的外部刺激是通過視覺感知獲得的[154,155].這是一個極為高效的過程,在大腦進行更復雜的行動之前,

視網膜對光的檢測和圖像信息的預處理是并行操作的.2021 年,Zhu 等[153]報告了一種高集成密度、對光具有非凡靈敏度的32×32 柔性傳感器陣列.光電傳感器同時充當光感受器和生物突觸,可以直接響應光刺激并進行預處理,器件結構如圖9(a)所示.碳納米管(carbon nanotubes,CNTs)和鈣鈦礦CsPbBr3(CPB)量子點(quantum dot,QD)組成的溝道在光生載流子的分離和傳輸中起關鍵作用,實現了高響應度5.1×107A/W 和超高比檢測 率2×1016Jones (1 Jones=1cm·Hz1/2·W-1)的超高比檢測率.圖9(b)描述了觀察到陌生和熟悉的面孔時,人類的視覺系統印象,該現象被傳感器陣列成功模擬.此外,還成功地演示了神經形態強化學習功能,如圖9(c)所示,理想輸入圖片和訓練的權重圖之間的計算精度隨著訓練脈沖數量的增加而增大.最后,又進行了人臉學習過程的模擬,如圖9(d)所示,隨著訓練脈沖數量的增加,可以學習更多的面部特征.光感受器、存儲元件和計算節點組件在陣列中共享相同的物理空間,并行和實時的處理信息,這為開發人工視覺系統提供了動力.

圖9 (a) 以CNTs/CsPbBr3-QDs 為溝道的光電晶體管示意圖;(b) 當觀察到陌生和熟悉的面孔時,人類視覺系統印象的示意圖;(c) 不同訓練脈沖數的訓練權重結果;(d) 模擬人臉的學習過程[153]Fig.9.(a) Schematic diagram of the phototransistor with a CNTs/CsPbBr3-QDs channel;(b) schematics illustration of the impression of human visual systems when unfamiliar and familiar faces are observed;(c) training weight results with different number of training pulses;(d) simulation of the learning process of a human face[153].

生物感覺系統的一個主要優點是能夠整合兩種或多種感覺模式[156,157],這將有利于執行更復雜的識別或決策任務.Wan 等[158]報道了一種具有視覺-觸覺融合的雙模人工感覺神經元(bimodal artificial sensory neuron,BASE).該BASE 由4 個核心組件組成:電阻式壓力傳感器、基于鈣鈦礦的光電探測器、基于水凝膠的離子電纜和突觸晶體管,如圖10(a)所示.光電探測器和壓力傳感器分別作視網膜和皮膚中的受體,負責將外部的觸覺和視覺刺激轉化為電信號,兩種電信號通過離子電纜傳輸到突觸晶體管,以進行整合并轉換為EPSC.他們還制造了一種生物混合神經肌肉接頭,用于傳輸來自BASE 的信號并支配骨骼肌管,進而模仿基于視覺-觸覺融合的身體運動控制,如圖10(b)所示.如果位于機械手附近的網球可以(或不)傳遞視覺或觸覺反饋來觸發機械手抓球,則將其標記為“是”(或“否”),視覺反饋和觸覺反饋分別用于區分在z軸和y軸上“是”或“否”,如圖10(c)所示.

只有當球在兩個方向都處于“是”位置時才能抓住球.與單種感覺相比,融合感覺能夠為機械手提供更多維的信息,從而做出更合適的動作.隨后又使用融合的視覺和觸覺線索來模擬多透明圖像識別,只有視覺-觸覺融合矩陣才能充分提取形狀和透明度,如圖10(d) 所示(V:視覺;H:觸覺;VH:視覺-觸覺融合).這項工作為在神經形態感知和神經形態計算中開發人工多感覺整合神經提供了新的見解,對未來的人機交互、機器人假肢和神經機器人系統具有重要意義.

圖10 (a) 視覺-觸覺融合的雙模人工感覺神經元示意圖;(b) 用于肌肉和機械手驅動的視覺-觸覺融合示意圖;(c)視覺(頂部,粉紅色)和觸覺(底部,藍色)反饋分別用于在z 軸和y 軸上推斷“是”或“否”;(d) 單感覺模式和雙感覺模式各自的識別率[158]Fig.10.(a) Schematic illustration of bimodal artificial sensory neuron with visual-haptic fusion;(b) schematic diagram of visualhaptic fusion for muscle and robotic hand actuation;(c) visual (top,pink) and haptic (bottom,blue) feedback used to infer“YES”or“NO”in z-axis and y-axis respectively;(d) the recognition rates of unimodal and bimodal modes,respectively[158].

腦機接口是指在大腦和外部設備之間建立的直接通信通道,這種通信通道不需要肌肉運動就可以完成對用戶神經活動的記錄和分類,甚至可能參與用戶的神經活動.由于神經形態器件具有和生物突觸相似的信號傳輸,所以使用神經形態器件構建的人工神經系統可以根據生物神經系統對生物信號處理后得到的電輸出對人工突觸的突觸權重進行調節.這種突觸權重的改變又可以通過人工突觸的突觸后電流/電位反饋給生物神經系統,影響生物神經系統對生物信號的下一步處理,實現了人工神經系統和生物神經系統的雙向信號傳輸,有希望完美的實現腦機接口功能.所以,由神經形態器件構成的仿生感知系統在生物醫學工程、仿生機器人等領域具有極大地應用前景.

7 結論與展望

為克服傳統馮·諾依曼計算架構局限性[159?161],在過去十多年中,新概念神經形態器件引起了研究人員的極大關注.以電解質為柵介質層的突觸晶體管具有豐富的離子動力學特性,可以很好地模擬生物突觸的基本特性.與固態電解質柵相比,液態電解質柵具有更強的耦合能力和更短的響應/恢復時間,也意味著液態電解質柵晶體管具有更低的工作電壓和更快的響應速度,但是液態電解質難于集成和封裝,在電路集成上可能會有更多的困難.不過隨著對突觸晶體管研究的不斷深入,未來可能出現既具有較快響應速度和較低的工作電壓又便于集成和封裝的優質電解質材料.鐵電晶體管具有穩定性高、開/關比大、編程速度快、權重更新曲線變化小等優點.但是,制備大規模鐵電突觸陣列所需的高質量鐵電薄膜是一個難點,這可能需要鐵電薄膜的制備工藝取得突破.此外,該類器件還難以實現優良的短程可塑性,這可以通過減小施加在柵極脈沖的脈寬、幅度和頻率來有效緩解.浮柵晶體管通常具有可控且穩定的溝道電導和較大的開/關比,可以很好地模擬突觸的長程塑性,但也限制了其在短程可塑性上的應用,使用超薄的隧穿層和窄帶隙材料作為浮柵可能是一個解決辦法.此外,浮柵晶體管通常還需要較大的工作電壓,未來可能還需要探索性能更加優異的高k 材料作為阻擋層和隧穿層來減小工作電壓.

目前對于柔性神經形態晶體管的研究仍然局限在單個器件或小規模陣列,開發大規模集成的類腦芯片來處理實際的人工智能任務仍然是個挑戰,這對器件的一致性、可靠性、可擴展性都提出了更高的要求.此外,由于生物神經網絡是一個高度復雜的三維網絡.因此,類腦芯片要實現類似生物神經網絡的復雜度,可能需要三維集成技術.具有良好可彎曲特性的柔性神經形態器件為未來智能感知、神經修復、軟機器人等領域的發展帶來了新的機遇.目前的仿生感知系統還處在比較原始的實驗室研究階段,還只能初步模擬生物對外界環境的傳感和響應過程,未來我們還需要進一步優化神經形態器件特性并尋找能夠實現多感知融合與集成的技術方案,從而實現超低功耗智能感知系統的實際應用.