一种实现基于铁电晶体管的自适应随机脉冲神经元的方法技术

本发明专利技术提出一种实现基于铁电晶体管的自适应随机脉冲神经元的方法，属于神经形态计算中脉冲神经元技术领域。该方法包括铁电晶体管FeFET、N型MOSFET以及通过增强铁电晶体管的铁电材料的极化退化特性形成的L

【技术实现步骤摘要】
一种实现基于铁电晶体管的自适应随机脉冲神经元的方法


[0001]本专利技术属于神经形态计算中脉冲神经元
，具体涉及一种基于铁电晶体管的自适应随机脉冲神经元的实现方法。

技术介绍

[0002]随着信息技术的蓬勃发展，人类社会已经步入“数据爆炸”的时代，每年指数式增长的数据量为数据的处理和计算带来了空前的压力。传统冯诺依曼计算架构由于其存算分离的架构特点，数据在存储单元和计算单元之间的传输将引起大量的功耗和能耗的浪费，在如今信息社会乃至智能社会伴随庞大数据量的背景下，这一问题将变得越来越严重。
[0003]研究者们受人脑运算模式启发，提出了神经网络(Neural Network)计算架构，以神经元-突触-神经元的连接方式为基础，构建存算一体、高度并行的分布式计算网络，在提高了对复杂数据的处理效率的同时可避免传统冯诺依曼计算架构中“内存墙”引起的功耗和能耗问题。经典的人工神经网络(Artificial Neural Network)中，神经元的功能被抽象为一种数值计算：先加和输入的数据，再通过激活函数得到输出的激活值。目前，人工神经网络在图像识别、自然语言处理、自动驾驶等应用中已表现出超越传统通用计算单元的计算效率，然而与人脑相比，仍存在学习训练周期长、计算硬件开销较大等问题。神经形态计算(Neuromorphic Computing)在神经网络计算架构的基础上进一步模拟人脑，以脉冲形式表达和传递信息，所构建的脉冲神经网络(Spiking Neural Network)具有异步、事件驱动的特性，可进一步缩小机器智能与人脑智能之间的差距，具有能效高、学习速度快、泛化能力强等优势。
[0004]与人工神经网络中的神经元不同，脉冲神经元负责整合输入的脉冲信号并输出新的脉冲信号来传递信息，其工作形式模拟生物神经元，对信号的处理过程体现在膜电位的变化上。脉冲神经元的基本功能可以抽象为带泄漏的积累发放(Leaky Integrate-and-Fire,LIF)，同时其也是神经形态计算中应用最广泛的仿生脉冲神经元模型。除了积累发放的基本功能之外，脉冲神经元还具备随机脉冲发放的高级功能，具体体现为一个神经元从静息状态开始，积累输入脉冲直至产生动作电位所需的输入脉冲个数具有随机性，所述随机性利于脉冲神经网络探索问题的解空间。
[0005]神经形态计算最终要实现网络整体的硬件化，才能完全摆脱“内存墙”瓶颈的限制。目前，神经形态计算的硬件实现上，已经有许多研究机构和企业研发出了多款神经形态芯片，然而在现有的神经形态计算的硬件化方案中，网络的基本单元——硬件脉冲神经元依然主要基于传统CMOS电路搭建，对脉冲神经元功能的模拟往往依赖由数个MOSFET器件以及电容构成的电路模块，存在硬件开销较大、电路能耗较高等问题，不利于高密度、大规模集成，并可能使网络失去架构层面带来的原本的功耗和能耗优势。此外，利用神经形态计算硬件求解广泛存在的优化问题，还需要实现自适应随机的高级神经元功能，使脉冲神经网络探索问题的解空间，并能逐步收敛至最优解，然而基于传统CMOS电路的实现方式往往需要引入大幅额外硬件开销。

技术实现思路

[0006]针对以上现有技术中存在的问题，本专利技术提出了一种实现基于铁电晶体管的自适应随机脉冲神经元的方法，与基于传统MOSFET的实现方式相比，本专利技术在实现脉冲神经网络求解优化问题必须的自适应随机性高级功能的前提下，可以显著降低硬件开销。
[0007]本专利技术提供的技术方案如下：
[0008]一种实现基于铁电晶体管的自适应脉冲神经元的方法，硬件包括常规铁电晶体管FeFET、N型MOSFET(NMOS)以及通过增强铁电晶体管的铁电材料的极化退化特性形成铁电晶体管L-FeFET；其中，常规FeFET的栅端和漏端分别接收突触传递来的输入电压脉冲，FeFET的源端连接于N型MOSFET的漏端，N型NMOS源端连接于GND，栅端偏置电压低于其阈值电压，常规FeFET和N型NMOS串联结构自适应调制从突触传递来的电压脉冲信号；L-FeFET的栅端连接于常规FeFET的源端，接收调制后的脉冲信号，L-FeFET模拟生物神经元的积累、泄露、以及随机脉冲发放特性；L-FeFET的源端连接于GND，漏端作为输出端产生电流脉冲，L-FeFET用于模拟生物神经元积累、泄露、脉冲发放的功能；同时铁电极化翻转的本征随机性保证神经元随机脉冲发放的高级功能，从而实现自适应脉冲神经元。
[0009]本专利技术利用常规铁电晶体管FeFET在栅电压脉冲作用下，极化逐渐翻转，调节FeFET阈值电压，从而调节作为传输管的FeFET的阈值电压损失大小的特性，实现对神经元接收电压脉冲的自适应幅度调制；利用增强极化退化特性的L-FeFET在栅电压脉冲作用下电压相关的随机极化翻转特性以及极化强度的退化特性，实现硬件神经元可调随机性的功能；结合两种铁电晶体管的特性实现硬件自适应随机脉冲神经元。
[0010]本专利技术可以通过调节神经元的输入电压脉冲幅度和宽度来调节神经元的随机性大小。
[0011]本专利技术FeFET和N型MOSFET器件串联结构随着输入脉冲数量增多自适应调节传递至L-FeFET的电压脉冲幅度大小，从而实现神经元自适应随机脉冲发放的高级功能。
[0012]本专利技术自适应随机脉冲神经元所使用的常规FeFET具有以下特性：在施加栅电压脉冲时表现出积累作用，即通过在栅上施加电压脉冲，可以调节FeFET器件的阈值电压，从而调节器件的沟道电导。本专利技术使用的增强极化退化特性的L-FeFET具有以下特性：在施加栅电压脉冲时表现出明显的积累作用，即铁电极化逐渐翻转，并且伴随着随机特性，通过极化调节L-FeFET器件的沟道电导，而在没有栅电压脉冲时表现出积累状态的退化，即铁电极化强度的退化，体现泄漏特性。上述FeFET和L-FeFET可以是采用钙钛矿型铁电(PZT,BFO，SBT)、铁电聚合物(P(VDF-TrFE))等传统铁电材料或HfO2掺Zr(HZO)、HfO2掺Al(HfAlO)、HfO2掺Si、HfO2掺Y等HfO2掺杂型铁电材料，可以是基于MFMIS、MFIS、MFS等结构的，具有上述典型特性的任意一种铁电晶体管器件。
[0013]本专利技术的基于铁电晶体管的自适应随机脉冲神经元的有益效果及相应原理：
[0014]1、本专利技术基于铁电晶体管的自适应随机脉冲神经元利用铁电晶体管在栅电压脉冲作用下铁电极化翻转具备随机性的特点，实现生物神经元脉冲发放随机性的高级功能，相比基于传统CMOS电路的实现方式，显著降低了硬件开销，无需额外电路来实现脉冲神经元的随机发放的功能。
[0015]2、本专利技术基于铁电晶体管的自适应随机脉冲神经元利用铁电晶体管中铁电极化翻转的随机性大小随着接收到的栅电压脉冲的幅度大小和宽度大小改变的特点，实现神经
元的随机性大小可调节的高级功能。
[0016]3、本专利技术基于铁电晶体管的自适应随机脉冲神经元利用常规FeFET在栅电压作用下发生极化翻转从而调制沟道电导的特点，只需要一个常规FeFET加一个N本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实现基于铁电晶体管的自适应随机脉冲神经元的方法，其特征在于，硬件包括铁电晶体管FeFET、N型MOSFET和铁电晶体管L-FeFET；其中，铁电晶体管FeFET的栅端和漏端分别接收突触输入的电压脉冲，铁电晶体管FeFET源端连接于N型MOSFET的漏端，N型NMOS源端连接于GND，栅端偏置在低于其阈值电压的固定电压，铁电晶体管FeFET和NMOS串联结构自适应调制从突触传递过来的电压脉冲信号；铁电晶体管L-FeFET的栅端连接于铁电晶体管FeFET的源端，接收调制后的脉冲信号，铁电晶体管L-FeFET的源端连接于GND，铁电晶体管L-FeFET漏端作为输出端产生电流脉冲，所述铁电晶体管L-FeFET用于模拟生物神经元积累、泄露、脉冲发放的功能；同时铁电极化翻转的本征随机性保证神经元随机脉冲发放功能，从而实现自适应随机脉冲神经元。2.如权利要求1所述的实现基于铁电晶...

【专利技术属性】
技术研发人员：黄如，罗金，刘天翊，黄芊芊，
申请(专利权)人：北京大学，
类型：发明
国别省市：