一种浮栅忆阻器制造技术

本发明专利技术涉及一种浮栅忆阻器，其基本结构依次包括前电极，前介质层，前浮栅层，纳米电池阳极，纳米电池电解质，纳米电池阴极，后浮栅层，后介质层，后电极；其中前电极、前介质层、前浮栅层和纳米电池阳极模拟了突触前膜，利用电子隧穿和场效应将电子信号转化为离子信号，纳米电池电解质作为离子通道模拟了突触间隙，纳米电池阴极、后浮栅、后介质层和后电极模拟了突触后膜，将离子信号转化为电子信号。本发明专利技术所述的浮栅忆阻器读写稳定，可控性好，且其结构简单，兼容CMOS，易于集成，可大规模生产和商业化，可促进神经形态计算和类脑计算发展。

【技术实现步骤摘要】
一种浮栅忆阻器
本专利技术一种浮栅忆阻器，涉及基于忆阻器的神经形态计算领域，尤其涉及一种基于纳米电池和晶体管浮栅的离子型突触忆阻器。
技术介绍
基于神经网络的智能学习系统已经取得了令人瞩目的成就，诸如谷歌DeepMind公司的围棋人工智能AlphaGo，卡耐基梅隆大学的德州扑克程序，斯坦福大学的皮肤癌识别程序。基于神经网络的人工智能系统已经涉及金融、医疗、交通和环境领域中的方方面面。神经网络的基本构建单元是神经突触和神经元，长期以来，人们一直尝试开发电子突触，1971年，加州伯克利大学电子工程系蔡少棠教授首先提出忆阻器模型，2008年HP公司发现了忆阻器，并且测试器件表现出了突触行为，这极大地促进了人们对忆阻器的研究。目前，不同材料和结构的忆阻器已被广泛研究。从忆阻材料看，主要分为氧化物忆阻器、固体电解质忆阻器、有机和聚合物材料忆阻器、氮化物忆阻器等。从结构看，主要有二端金属-氧化物-金属构型忆阻器和三端场效应构型忆阻神经突触。其中，二端忆阻器，是最早被开发出来的忆阻器，不仅具有开关速度快、能耗低、尺寸小、非易失性存储等优点，更重要的是具备非线性记忆等特征，已被广泛研究。然而，随着研本文档来自技高网...

【技术保护点】
一种浮栅忆阻器，其特征在于：该浮栅忆阻器的基本结构依次包括前电极，前介质层，前浮栅层，纳米电池阳极，纳米电池电解质，纳米电池阴极，后浮栅层，后介质层，后电极；其中前电极、前介质层、前浮栅层和纳米电池阳极模拟了突触前膜，利用电子隧穿和场效应将电子信号转化为离子信号，纳米电池电解质作为离子通道模拟了突触间隙，纳米电池阴极、后浮栅、后介质层和后电极模拟了突触后膜，将离子信号转化为电子信号。

【技术特征摘要】
1.一种浮栅忆阻器，其特征在于：该浮栅忆阻器的基本结构依次包括前电极，前介质层，前浮栅层，纳米电池阳极，纳米电池电解质，纳米电池阴极，后浮栅层，后介质层，后电极；其中前电极、前介质层、前浮栅层和纳米电池阳极模拟了突触前膜，利用电子隧穿和场效应将电子信号转化为离子信号，纳米电池电解质作为离子通道模拟了突触间隙，纳米电池阴极、后浮栅、后介质层和后电极模拟了突触后膜，将离子信号转化为电子信号。2.根据权利要求1所述的一种浮栅忆阻器，其特征在于：所述前电极、后电极用于连接外部电源，厚度分别为20纳米～40纳米；所述前、后浮栅层厚度分别为4纳米～10纳米；所述前、后介质层均可分为电子隧穿层和电子阻挡层，靠近前、后电极部分是电子隧穿层，电子隧穿层厚度为2纳米～8纳米，靠近电池阴阳极部分是电子阻挡层，电子阻挡层厚度为6纳米～12纳米；前介质层加前浮栅层总厚度为12纳米～30纳米，后介质层加后浮栅层总厚度为12纳米～30纳米；所述纳米电池阳极厚度为4纳米～10纳米；所述纳米电池电解质厚度为6纳米～20纳米；所述纳米电池阴极厚度为4纳米～12纳米。3.根据权利要求1所述的一种浮栅忆阻器，其特征在于：所述前、后电极，采用惰性电极，包括但不限于铂(Pt)或者金(Au)。4.根据权利要求1所述的一种浮栅忆阻器，其特征在于：所述前、后浮栅层的材料为惰性...

【专利技术属性】
技术研发人员：黄安平，张新江，胡琪，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11