一种仿生光电储备池神经形态器件及其制备方法技术

本发明专利技术公开一种仿生光电储备池神经形态器件及其制备方法。该光电储备池神经形态器件包括：衬底；种子层，形成在所述衬底上；隔离层，形成在所述种子层上；氧化物纳米线网络，形成在所述隔离层表面，作为电子储备池，利用生长的氧化物纳米线随机排布的特性构建储备池中的神经元节点，借助氧化物纳米线的忆阻行为实现类人脑的随机相连的储备池神经元；具有光电响应的半导体量子点，生长在氧化物纳米线网络上，对其进行修饰，将器件的响应从纯电学拓展至光电响应，实现对光信号的感知功能；工作电极，生长在纳米线网络上。生长在纳米线网络上。生长在纳米线网络上。

【技术实现步骤摘要】
一种仿生光电储备池神经形态器件及其制备方法


[0001]本专利技术涉及半导体
，具体涉及一种仿生光电储备池神经形态器件及其制备方法。

技术介绍

[0002]传统的计算机均以冯
·
诺依曼式架构为其基本架构，受限于存储芯片与计算芯片的结构分离设计，数据的存取与计算处理均需要在两者之间进行频繁的数据输送，难以在计算过程中实现速度与功耗的突破。为了进一步提高数据的计算处理速度，需要开发新型的计算硬件，助力打破传统的冯
·
诺依曼式计算瓶颈。
[0003]相比于传统计算机的工作模式，基于人工神经网络的神经形态计算以权重迭代计算为核心，在处理大量数据时具有明显优势。然而，繁琐的权重更新以及多节点的连接极大程度地增加了计算的难度。各个连接层的权重均需要在每次训练循环的过程中进行更新，以满足计算结果的准确性与精度要求，增加了计算的能耗与成本。不同于传统的人工神经网络，储备池计算是一种只需训练输出层的高效仿生神经网络计算模式，相比传统神经网络计算更加便捷高效，在时间序列预测、模式识别等方面具有极大的成本优势以及效率优势。
[0004]为了实现储备池计算，需要开发相应的集成电路芯片提供硬件保障。为了更贴近真实储备池中随机连接的神经元节点状态，需要构建非线性的动态物理系统以及配套的物理器件与材料体系。然而，传统的储备池计算器件多采用具有电激励记忆效应的忆阻器件，仅能满足计算的需求，在接收传感器件单元数据的过程中仍然导致了巨大的能耗问题。因此，开发一种具有光电感知功能的光电储备池神经形态器件对于新型储备池计算的发展具有重要意义。

技术实现思路

[0005]本专利技术公开一种仿生光电储备池神经形态器件及其制备方法，利用氧化物纳米线的随机生长过程构建天然随机分布的储备池神经元，借助氧化物的忆阻功能实现信息的存储与计算，利用半导体量子点修饰实现器件的光电信息感知功能拓展，用于构建光电感存算一体化的储备池计算系统。
[0006]仿生光电储备池神经形态器件制备方法，包括以下步骤：在衬底上形成种子层；对所述种子层进行原位氧化处理形成隔离层；在所述隔离层表面生长氧化物纳米线网络作为电子储备池，利用生长的氧化物纳米线随机排布的特性构建储备池中的神经元节点，借助氧化物纳米线的忆阻行为实现类人脑的随机相连的储备池神经元；在氧化物纳米线网络上生长具有光电响应的半导体量子点对其进行修饰，将器件的响应从纯电学拓展至光电响应，实现对光信号的感知功能；在纳米线网络上生长工作电极，获得仿生光电储备池神经形态器件。
[0007]本专利技术的仿生光电储备池神经形态器件制备方法中，优选为，所述种子层Ni、Ti、
Zn、Cu或Mo。
[0008]本专利技术的仿生光电储备池神经形态器件制备方法中，优选为，所述氧化物纳米线网络为氧化镍、氧化钛、氧化锌、氧化铜或氧化镍。
[0009]本专利技术的仿生光电储备池神经形态器件制备方法中，优选为，生长氧化物纳米线网络的具体步骤包括：将电压施加在种子层，电压的大小为10
‑
100V，随后对样品进行退火处理，退火温度为400
‑
600℃，退火时长为3
‑
6小时，形成随机分布生长的氧化物纳米线网络。
[0010]本专利技术的仿生光电储备池神经形态器件制备方法中，优选为，所述半导体量子点为MoS2、PtS2、ZnS、CdS、CdSe或PtSe2量子点。
[0011]仿生光电储备池神经形态器件，包括：衬底；种子层，形成在所述衬底上；隔离层，形成在所述种子层上；氧化物纳米线网络，形成在所述隔离层表面，作为电子储备池，利用生长的氧化物纳米线随机排布的特性构建储备池中的神经元节点，借助氧化物纳米线的忆阻行为实现类人脑的随机相连的储备池神经元；具有光电响应的半导体量子点，生长在氧化物纳米线网络上，对其进行修饰，将器件的响应从纯电学拓展至光电响应，实现对光信号的感知功能；工作电极，生长在纳米线网络上。
[0012]本专利技术的仿生光电储备池神经形态器件中，优选为，所述种子层Ni、Ti、Zn、Cu或Mo。
[0013]本专利技术的仿生光电储备池神经形态器件中，优选为，所述氧化物纳米线网络为氧化镍、氧化钛、氧化锌、氧化铜或氧化镍。
[0014]本专利技术的仿生光电储备池神经形态器件中，优选为，所述半导体量子点为MoS2、PtS2、ZnS、CdS、CdSe或PtSe2量子点。
[0015]本专利技术的仿生光电储备池神经形态器件中，优选为，所述衬底为生长有二氧化硅的高掺硅片。
[0016]有益效果：
[0017](1)打破传统的冯
·
诺依曼式计算架构，引入储备池神经形态计算实现存算一体以及智能计算功效，数据无需在不同单元间进行频繁的读取操作，节省了大量时间与能耗，在进行大数据计算时功耗更低、效率更高。
[0018](2)采用氧化物纳米线实现仿生储备池神经形态器件的制备，借助生长过程中氧化物纳米线的天然随机堆叠的方式实现了仿生储备池中神经元的随机节点的构建，并且利用氧化物纳米线自身的忆阻功能实现储备池神经元的权重更迭。
[0019](3)通过引入半导体量子点对氧化物纳米线进行修饰，将只对电激励具有响应的储备池神经形态器件的响应拓展至光激励的响应范围，实现了储备池从存算功能向感存算一体化功能的集成，极大提高了神经形态器件对信号的感知能力，降低了系统的能耗。
附图说明
[0020]图1是仿生光电储备池神经形态器件制备方法的流程图。
[0021]图2～图7是仿生光电储备池神经形态器件制备方法各阶段的结构示意图。
具体实施方式
[0022]为了使本专利技术的目的、技术方案及优点更加清楚明白，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0023]在本专利技术的描述中，需要说明的是，术语“上”、“下”、“垂直”“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0024]此外，在下文中描述了本专利技术的许多特定的细节，例如器件的结构、材料、尺寸、处理工艺和技术，以便更清楚地理解本专利技术。但正如本领域的技术人员能够理解的那样，可以不按照这些特定的细节来实现本专利技术。除非在下文中特别指出，器件中的各个部分可以由本领域的技术人员公知的材料构成，或者可以采用将来开发的具有类似功能的材料。
[0025]图1是仿生光电储备池神经形态器件制备方法的流程图。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种仿生光电储备池神经形态器件制备方法，其特征在于，包括以下步骤：在衬底上形成种子层；对所述种子层进行原位氧化处理形成隔离层；在所述隔离层表面生长氧化物纳米线网络作为电子储备池，利用生长的氧化物纳米线随机排布的特性构建储备池中的神经元节点，借助氧化物纳米线的忆阻行为实现类人脑的随机相连的储备池神经元；在氧化物纳米线网络上生长具有光电响应的半导体量子点对其进行修饰，将器件的响应从纯电学拓展至光电响应，实现对光信号的感知功能；在纳米线网络上生长工作电极，获得仿生光电储备池神经形态器件。2.根据权利要求1所述的仿生光电储备池神经形态器件制备方法，其特征在于，所述种子层Ni、Ti、Zn、Cu或Mo。3.根据权利要求1所述的仿生光电储备池神经形态器件制备方法，其特征在于，所述氧化物纳米线网络为氧化镍、氧化钛、氧化锌、氧化铜或氧化镍。4.根据权利要求3所述的仿生光电储备池神经形态器件制备方法，其特征在于，生长氧化物纳米线网络的具体步骤包括：将电压施加在种子层，电压的大小为10
‑
100V，随后对样品进行退火处理，退火温度为400
‑
600℃，退火时长为3
‑
6小时，形成随机分布生长的氧化物纳米线网络。5.根...

【专利技术属性】
技术研发人员：孟佳琳，王天宇，陈琳，孙清清，张卫，
申请(专利权)人：复旦大学，
类型：发明
国别省市：