多栅极神经元晶体管及其制备方法和构成的神经网络技术

本发明专利技术公开了一种多栅极神经元晶体管，该晶体管包括源漏电极、沟道、栅介质、浮栅电极和多个输入栅极，以及输入栅极与栅介质之间的电容记忆层。其中，各输入栅极通过电容记忆层与栅介质电容共同耦合至浮栅电极上，继而协同控制沟道输出电流，模拟神经元的加权计算功能。同时，电容记忆层的电容大小随输入栅压信号的历史而变化，模拟突触权重的可塑性。本发明专利技术还提出了该多栅极神经元晶体管的制备方法，以及由若干多栅极神经元晶体管相互电连接而成的神经网络。本发明专利技术结构简单，便于制备和集成，有望在类脑智能芯片等领域得到应用。

【技术实现步骤摘要】
多栅极神经元晶体管及其制备方法和构成的神经网络
本专利技术半导体器件领域，特别涉及了多栅极神经元晶体管及其制备方法和构成的神经网络。
技术介绍
大数据时代对于计算机处理信息的能力提出了非常高的要求，而传统冯诺依曼计算机的发展已经遭遇到瓶颈。未来计算机需要基于新的指令集的器件和芯片架构才能满足大数据时代飞速增长的信息处理要求。与传统冯诺依曼计算机相比，人脑以分布和并行的方式存储和处理信息，它能更好地处理感知、交互、识别等传统意义上的“大数据”问题，且整体能耗很低。因此，类脑智能为未来计算机技术的发展提供了新的思路。神经元和突触分别是人脑神经计算和存储的基本单元，用单个器件模拟神经元-突触的功能是实现类脑智能芯片的基础。国内外已有大量文献报导了用单个器件模拟突触功能的实验结果。例如，松下公司通过铁电晶体管模拟突触的STDP行为(IEEETrans.ElectronDevices2014,61,2827-2833)；NIMS采用Ag2S原子开关模拟突触的长短程可塑性(NatureMater.2011,10,591-595)；国内的刘益春课题组(Adv.Funct.Mater.2012,22,2759–2765)和胡绍刚课题组(Appl.Phys.Lett.2013,102,183510)利用金属氧化物忆阻器的氧空位迁移和电化学行为模拟突触的长短程可塑性；美国的陈勇课题组(Adv.Mater.2010,22,2448–2453)和国内的万青课题组(Nat.Commun.2014,5,3158)利用离子栅介质的离子迁移、扩散和电化学行为，实现了三端晶体管对突触功能的模拟。上述均为单个器件模拟突触的研究结果。然而目前为止，很少有研究能通过单个器件实现神经元的加权计算功能。目前，研究人员大多是通过复杂电路结合人造突触单元实现神经元-突触的信号处理功能。例如，北京大学的康晋锋等人通过多个忆阻器的电连接实现神经元网络的功能。类似地，中国科学院上海微系统与信息技术研究所的宋三年等人通过多层忆阻器阵列实现神经元网络的兴奋传递功能。然而，类似的这种复杂电路方案不仅制备工艺繁琐，而且其功耗也相对较高，不符合人脑低功耗的特性。现有技术中，神经元MOS场效应晶体管(γMOS)是最接近所述神经元-突触功能的单元器件(IEEETrans.ElectronDevices1992,39,1444-1455)。如图1所示，γMOS包含有一个浮栅(FG)和多个控制栅(CG1～4)，控制栅(CG1～4)输入的电压信号通过浮栅(FG)的整合来协同控制晶体管沟道的开关，这就实现了类似神经元的加权计算功能。另一方面，和浮栅存储器类似，γMOS的工作过程中沟道电子会通过Fowler-Nordheim隧穿至浮栅(FG)中，从而改变器件的阈值电压VTH，实现了类似突触的存储功能，也就是突触可塑性(Plasticity)。然而，在神经元-突触中，与神经元相连的每个突触的输入权重都会根据该突触前输入的历史而发生变化，也就是说神经元每个突触的可塑性是相互独立的。而现有γMOS的可塑性表现在器件整体阈值电压VTH的变化，相当于每个控制栅(CG1～4)的输入权重都受其影响。这不符合突触可塑性相互独立的特征。
技术实现思路
为了解决上述
技术介绍
提出的技术问题，本专利技术旨在提供多栅极神经元晶体管及其制备方法和构成的神经网络，实现多栅极加权计算功能，并且每个输入栅极都具有独立的权重可塑性。为了实现上述技术目的，本专利技术的技术方案为：一种多栅极神经元晶体管，包括衬底、栅介质层、浮栅电极、源电极、漏电极、沟道层、至少3组电容记忆层和与之对应的至少3组输入栅极；所述浮栅电极设于衬底上，所述栅介质层设于浮栅电极上，所述沟道层设于栅介质层上，所述源电极和漏电极分别设于沟道层上的两端；每组电容记忆层和输入栅极都不与沟道层接触；每组电容记忆层和输入栅极中，电容记忆层位于栅介质层上，输入栅极位于电容记忆层上；各组的电容记忆层之间以及各组的输入栅极之间互不接触；该晶体管的输入信号为输入栅极上施加的电压，该晶体管的输出信号为漏电极读取的沟道电流；各输入栅极通过电容记忆层与栅介质电容共同耦合至浮栅电极上，继而协同控制沟道输出电流，实现神经元的加权计算功能；输入栅极上施加的电压脉冲能长时程改变电容记忆层的电容大小，从而改变输入栅极的输入权重，实现突触的权重可塑性特征。进一步地，电容记忆层的电容大小在对应的输入栅极施加刺激电压脉冲后发生长时程的上升，由低电容态转变为高电容态。进一步地，电容记忆层的电容大小在对应的输入栅极施加恢复电压脉冲后发生长时程的下降，由高电容态恢复为低电容态。一种多栅极神经元晶体管的制备方法，包括以下步骤：(1)在衬底上形成浮栅电极；(2)在浮栅电极上形成栅介质层；(3)在栅介质层上形成沟道层；(4)在沟道层的两端形成图案化的源电极和漏电极；(5)在栅介质层上形成图案化的电容记忆层，且电容记忆层不与沟道层接触；(6)在电容记忆层上形成输入栅极。进一步地，制备栅介质层的材质为固态电解质，制备沟道层的材质为非晶金属氧化物半导体，制备电容记忆层的材质为相变材料或铁电材料。一种神经网络，该神经网络由若干上述多栅极神经元晶体管相互电连接而成。采用上述技术方案带来的有益效果：(1)本专利技术通过晶体管的多输入栅极的协同控制实现神经元加权计算功能，通过多组电容记忆层实现突触的权重可塑性。该多栅极神经元晶体管符合神经元-突触的计算和存储特性，并且与传统CMOS工艺兼容，有助于从硬件层面推动类脑智能芯片的发展；(2)本专利技术提出的多栅极神经元晶体管采用侧栅结构，即输入栅极和电容记忆层与沟道均位于栅介质层的同一侧，这种侧栅结构比起垂直结构的顶栅/底栅结构的好处在于，其空间利用率高，在不与沟道层相连的区域可以形成任意多组输入栅极和电容记忆层。附图说明图1是现有的神经元MOS场效应晶体管(γMOS)的剖面示意图；图2本专利技术提出的多栅极神经元晶体管的剖面示意图；图3本专利技术中由多栅极神经元晶体管构成的神经网络的电路图。标号说明：Substrate：衬底；S：源电极；D：漏电极；FG：浮栅电极；CG1-CG4：控制栅电极；C0：栅介质层；G0：浮栅电极；Channel：沟道层；C1-C3：电容记忆层；G1-G3：输入栅极；a-d：多栅极神经元晶体管。具体实施方式以下将结合附图，对本专利技术的技术方案进行详细说明。如图2所示，一种多栅极神经元晶体管，包括衬底Substrate、浮栅电极G0、栅介质层C0、源电极S、漏电极D、沟道层Channel、至少3组电容记忆层C1-C3和与之对应的至少3组输入栅极G1-G3。所述浮栅电极设于衬底上，所述栅介质层设于浮栅电极上，所述沟道层设于栅介质层上，所述源电极和漏电极分别设于沟道层上的两端；每组电容记忆层和输入栅极都不与沟道层接触；每组电容记忆层和输入栅极中，电容记忆层位于栅介质层上，输入栅极位于电容记忆层上；各组的电容记忆层之间以及各组的输入栅极之间互不接触；该晶体管的输入信号为输入栅极上施加的电压，该晶体管的输出信号为漏电极读取的沟道电流。多栅极神经元晶体管在操作过程中，源电极接地，漏电极施加晶体管的工作电压。初始状态时，不妨假设电容记忆层C1的电容远小于C2、C3的电容本文档来自技高网...

【技术保护点】
一种多栅极神经元晶体管，其特征在于：包括衬底、浮栅电极、栅介质层、源电极、漏电极、沟道层、至少3组电容记忆层和与之对应的至少3组输入栅极；所述浮栅电极设于衬底上，所述栅介质层设于浮栅电极上，所述沟道层设于栅介质层上，所述源电极和漏电极分别设于沟道层上的两端；每组电容记忆层和输入栅极都不与沟道层接触；每组电容记忆层和输入栅极中，电容记忆层位于栅介质层上，输入栅极位于电容记忆层上；各组的电容记忆层之间以及各组的输入栅极之间互不接触；该晶体管的输入信号为输入栅极上施加的电压，该晶体管的输出信号为漏电极读取的沟道电流；各输入栅极通过电容记忆层与栅介质电容共同耦合至浮栅电极上，继而协同控制沟道输出电流，实现神经元的加权计算功能；输入栅极上施加的电压脉冲能长时程改变电容记忆层的电容大小，从而改变输入栅极的输入权重，实现突触的权重可塑性特征。

【技术特征摘要】
1.一种多栅极神经元晶体管，其特征在于：包括衬底、浮栅电极、栅介质层、源电极、漏电极、沟道层、至少3组电容记忆层和与之对应的至少3组输入栅极；所述浮栅电极设于衬底上，所述栅介质层设于浮栅电极上，所述沟道层设于栅介质层上，所述源电极和漏电极分别设于沟道层上的两端；每组电容记忆层和输入栅极都不与沟道层接触；每组电容记忆层和输入栅极中，电容记忆层位于栅介质层上，输入栅极位于电容记忆层上；各组的电容记忆层之间以及各组的输入栅极之间互不接触；该晶体管的输入信号为输入栅极上施加的电压，该晶体管的输出信号为漏电极读取的沟道电流；各输入栅极通过电容记忆层与栅介质电容共同耦合至浮栅电极上，继而协同控制沟道输出电流，实现神经元的加权计算功能；输入栅极上施加的电压脉冲能长时程改变电容记忆层的电容大小，从而改变输入栅极的输入权重，实现突触的权重可塑性特征。2.根据权利要求1所述一种多栅极神经元晶体管，其特征在于：电容记忆层的电容大...

【专利技术属性】
技术研发人员：万青，万相，杨毅，丰平，邵枫，杜培富，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32