一种神经元器件及神经网络制造技术

本发明专利技术提供一种神经元器件及神经网络，所述神经元器件包括：下加热电极；相变材料；上电极；以及周围介质材料；其中，所述神经元器件在施加恢复脉冲时转变为正常态，而在施加刺激脉冲时转变为兴奋态。该神经元器件由正常态转变为兴奋态只需要几十个纳米的时间，在由兴奋态转化为正常态只需要很小的能量消耗。同时该神经元器件具有对刺激脉冲的幅度、宽度及个数的综合响应，提供权重部分和运算部分的功能。该神经元器件结构简单，与CMOS工艺兼容，便于大量集成。所述神经网络由包含多个神经元器件的阶层神经元阵列组成，可实现信息的多通道传输与存储，而且具有学习功能，将来有望在认知计算机等领域得到应用。

【技术实现步骤摘要】
【专利摘要】本专利技术提供一种神经元器件及神经网络，所述神经元器件包括：下加热电极；相变材料；上电极；以及周围介质材料；其中，所述神经元器件在施加恢复脉冲时转变为正常态，而在施加刺激脉冲时转变为兴奋态。该神经元器件由正常态转变为兴奋态只需要几十个纳米的时间，在由兴奋态转化为正常态只需要很小的能量消耗。同时该神经元器件具有对刺激脉冲的幅度、宽度及个数的综合响应，提供权重部分和运算部分的功能。该神经元器件结构简单，与CMOS工艺兼容，便于大量集成。所述神经网络由包含多个神经元器件的阶层神经元阵列组成，可实现信息的多通道传输与存储，而且具有学习功能，将来有望在认知计算机等领域得到应用。【专利说明】一种神经元器件及神经网络
本专利技术属于微电子学、纳米材料与器件制备领域，特别是涉及一种神经元器件及神经网络。
技术介绍
现代计算系统的高速发展主要得益于冯?诺依曼架构和硅基芯片集成度的不断提升。在冯氏系统中，信息处理和信息存储是分别进行的，这种架构的本质是一种线性过程。计算机软件则是为进行线性处理而编制的由指令组成的一种线性事件序列。因此更快的时钟速度就意味着计算机可以更快地处理这些线性指令。冯氏架构的简洁清晰，使其成为计算机系统中的主流架构。但随着处理问题的复杂程度的增长，冯氏计算系统本身的复杂度开始急剧增长，运行效率和能耗效率都不尽如人意。特别是在处理大型复杂问题尤其是智能问题时，面临低效率、高能耗的发展瓶颈。另一方面，现代芯片制造技术已经暴露出其局限性。预计2020年前后，依靠芯片集成度持续提升的计算能力将面临硅技术物理极限的巨大挑战，摩尔定律将难以为继，必须探索新的解决方案。生物脑可以在很小的空间中，快速并行地处理海量信息元，因为它已经通过进化形成了海量的快捷连接。对于脑来说，从来不需要将信息从任何一个神经元中取出，花费时间处理它，然后将它返回给一个不同的神经元的集合。在哺乳动物的脑里，存储和处理发生在同时同地。因此，借鉴人脑信息处理方式将全新的认知计算架构同高度成熟的硅工艺相结合，将成为最有潜力的解决方案。利用模拟大脑神经网络的方法实现计算和存储功能可以得到更高的效率，这类神经网络处理功能的前提是实现类神经细胞单元功能，包括记忆、开关切换、适应学习和高等计算等功能的器件和电路。随着纳米集成电路制造技术的不断发展，晶体管的集成密度可以达到I千万个每平方毫米，这为大规模神经网络的集成制造提供了坚实的基础。同时，许多新的纳米材料和器件，如忆阻器，自旋电子学器件，相变存储器等，为研制新的高性能神经网络提供了有力的支撑。鉴于以上所述，本专利技术的目的在于提供一种简单结构的，具有高速、低功耗性能的神经元器件及神经网络。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种神经元器件及神经网络，以实现一种简单结构的，具有高速、低功耗性能的神经元器件及神经网络。为实现上述目的及其他相关目的，本专利技术提供一种神经元器件，至少包括:下加热电极；相变材料，结合所述下加热电极之上；上电极，结合于所述相变材料之上；以及周围介质材料，包围于所述相变材料四周侧面；其中，所述神经元器件在施加恢复脉冲时转变为正常态，而在施加刺激脉冲时转变为兴奋态。作为本专利技术的神经元器件的一种优选方案，所述神经元器件具有对刺激脉冲的幅度、宽度及个数的综合响应，提供权重部分和运算部分的功能。作为本专利技术的神经元器件的一种优选方案，所述恢复脉冲为幅度大于恢复阈值的脉冲电压或电流，所述刺激脉冲为幅度大于刺激阈值的脉冲电压或电流。作为本专利技术的神经元器件的一种优选方案，所述神经元器件的正常态为高阻态，兴奋态为低阻态。作为本专利技术的神经兀器件的一种优选方案，所述相变材料由选自TiSbTe、AlSbTe、WSbTe, CuSbTe, GaSbSe, AlSb 及富 Sb 的 GeSbTe 中的一种材料构成。作为本专利技术的神经元器件的一种优选方案，所述下加热电极的材料为TiN、TaN、TiAlN、TiSiN、W中的一种，所述上电极的材料为TiN或TaN。作为本专利技术的神经元器件的一种优选方案，所述神经元器件由正常态转变为兴奋态的时间不大于100ns。作为本专利技术的神经元器件的一种优选方案，所述恢复脉冲的波形为方波、三角波、正弦波中的任意一种。作为本专利技术的神经元器件的一种优选方案，所述刺激脉冲的波形为方波、三角波、正弦波中的任意一种。本专利技术还提供一种神经网络，所述神经网络为由至少两层阶层神经元阵列组成，每一阶层神经元阵列包含多个如上述任意一项方案所述的神经元器件，各层阶层神经元阵列中的多个神经元器件相互电连接以使信号可以在神经元器件之间传递；相邻的两层阶层神经元阵列之间电连接以实现阶层神经元阵列间的通讯。如上所述，本专利技术提供一种神经元器件及神经网络，至少包括:下加热电极；相变材料，结合所述下加热电极之上；上电极；结合于所述相变材料之上；以及周围介质材料，包围于所述相变材料四周侧面；其中，所述神经元器件在施加恢复脉冲时转变为正常态，而在施加刺激脉冲时转变为兴奋态。该神经元器件由正常态转变为兴奋态只需要几十个纳米的时间，在由兴奋态转化为正常态只需要很小的能量消耗。同时该神经元器件具有对刺激脉冲的幅度、宽度及个数的综合响应，提供权重部分和运算部分的功能。该神经元器件结构简单，与CMOS工艺兼容，便于大量集成。采用该神经元器件可以构造具有阶层结构的神经网络，该神经网络由阶层神经元阵列组成，每一阶层神经元阵列包含大量的相互电连接的神经元器件，信号可以在神经元器件中传递，同时阶层间可实现通讯，这种神经网络可实现信息的多通道传输与存储，而且具有学习功能，将来有望在认知计算机等领域得到应用。【专利附图】【附图说明】图1显示为本专利技术的神经元器件的结构示意图。图2显示为本专利技术的神经元器件施加不同脉冲个数时，脉冲个数与电阻值的关系图，其中，该图显示为神经元器件从正常态转变为兴奋态。图3显示为本专利技术的神经元器件施加不同幅度的刺激脉冲时，脉冲个数与电阻值的关系图，其中，该图显示为神经元器件从正常态转变为兴奋态。图4显示为本专利技术的神经元器件施加不同幅度和宽度的刺激脉冲时，脉冲个数与电阻值的关系图，其中，该图显示为神经元器件从正常态转变为兴奋态。图5显示为本专利技术的神经元网络的简化示意图，其包括3层阶层神经元阵列。元件标号说明 101衬底102下加热电极 103相变材料 104上电极105周围介质材+I201阶层神经元阵列202阶层神经元阵列间的通讯【具体实施方式】以下通过特定的具`体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的【具体实施方式】加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。请参阅图1~图5。需要说明的是，本实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。在对相变存储单元进行操作时，如果施加比相转变电压略小且更快速的脉冲，则相变存储单元的电阻值开始只会发生小本文档来自技高网...

【技术保护点】
一种神经元器件，其特征在于，至少包括：下加热电极；相变材料，结合所述下加热电极之上；上电极；结合于所述相变材料之上；以及周围介质材料，包围于所述相变材料四周侧面；其中，所述神经元器件在施加恢复脉冲时转变为正常态，而在施加刺激脉冲时转变为兴奋态。

【技术特征摘要】

【专利技术属性】
技术研发人员：宋三年，宋志棠，张中华，成岩，蔡道林，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：