一种基于负微分电阻的忆阻器、其制备方法及应用技术

本发明专利技术提供了一种基于负微分电阻的忆阻器、其制备方法及应用。采用两个基于负微分电阻(NDR)的忆阻器和一个电感即可形成神经元电路。本发明专利技术所提供的忆阻器实现了神经元膜的集成特性，避免了使用外部电容器，并成功地将其应用于超简化神经元电路。忆阻器中的负微分效应模拟了神经元的动作电位行为，只需要两个NDR忆阻器和一个电感器就可以实现丰富的神经元动力学和著名的Fitz Hugh Nagumo(FN)生物神经元动力学。结果表明，本发明专利技术为使用NDR忆阻器模拟FN神经元开辟了道路，并为构建高度集成的神经形态学硬件系统提供了更具竞争力的方法。法。法。

【技术实现步骤摘要】
一种基于负微分电阻的忆阻器、其制备方法及应用


[0001]本专利技术涉及忆阻器领域，具体地说是一种基于负微分电阻的忆阻器、其制备方法及应用。

技术介绍

[0002]随着数据量和计算需求的指数级增长，加上基于晶体管计算系统的性能饱和，迫使研究者们寻找替代计算技术。目前研究发现类神经元或仿生计算相对数字计算可能会产生显著的性能改进。然而，大脑启发和神经网络算法的有效硬件实现仍然是一个重大挑战，通过神经形态动力学交流和处理数据是脑启发计算机的一个关键目标，基于数字晶体管的芯片试图模拟代表神经元丰富的非线性动力学的复杂方程，从而使它们变得复杂、笨重且能源效率低下。
[0003]在快速增长的海量数据集、信息识别和分类领域，神经元或仿生计算可以比数字计算产生更大的性能改进，IF(Integrate and Fire，积分和激发)和HH(Hodgkin
‑
Huxley)模型是目前最常用的神经元模型。IF神经元模型是最简单的，因此它是尖峰神经元模型的最常用实现，但它对生物神经元的可重复性不高，无法模拟许多对计算神经科学有用的生物神经元特征。基于CMOS的HH神经元模型可以精确模拟生物神经元，但它需要复杂的电路模型。大脑中的神经元表现出振荡行为，多个神经元可以同步振荡。Fitz
‑
Hugh Nagumo(FN)神经元模型是HH神经元模型的简化，它比IF神经元能更准确地模拟生物神经元的操作。FN神经元模型是实现神经元同步振荡的神经网络的最佳模型。具有FN神经元的神经网络可用于解决许多复杂的计算问题，也可用于研究人脑的工作。因此，FN神经元模型被认为是计算神经科学中最成功的模型之一。
[0004]另一方面，基于数字晶体管的芯片试图对表示富含神经元的非线性动力学的复杂方程进行建模，从而使其复杂化，而这些模型目前受到计算瓶颈的阻碍。近年来，各种新设备被用于模拟生物神经元，这得益于它们的生物相似性和可扩展性。

技术实现思路

[0005]本专利技术的目的是提供一种基于负微分电阻的忆阻器、其制备方法及应用，这为基于负微分电阻的忆阻器制作神经元电路从而来模拟FN神经元提供了新思路。
[0006]本专利技术是这样实现的：
[0007]本专利技术所提供的基于负微分电阻的忆阻器，结构由下至上依次是：InP衬底、GaAsN+外延层、第一AlAs层、In
0.8
Ga
0.2
As层、第二AlAs层、Pd电极层。
[0008]上述方案中，Pd电极层包括若干直径为0.5mm～1mm的圆形电极。
[0009]本专利技术还提供了基于负微分电阻的忆阻器的制备方法，具体包括如下步骤：
[0010]a、在衬底上通过MOVPE工艺外延生长GaAsN+外延层；衬底为InP衬底；
[0011]b、将衬底固定到磁控溅射设备腔体的样品台上，将腔体抽真空，然后向腔体内通入Ar，打开交流源，调整交流源功率，使AlAs靶材起辉，预溅射7～13min，之后正式溅射5～
20min，在GaAsN+外延层上形成第一AlAs层；
[0012]c、用挡板遮住AlAs靶位，打开In
0.8
Ga
0.2
As靶位，预溅射7～13min，之后正式溅射5～15min，在第一AlAs层上形成In
0.8
Ga
0.2
As层；
[0013]d、用挡板遮住In
0.8
Ga
0.2
As靶位，打开AlAs靶位，正式溅射5～20min，在In
0.8
Ga
0.2
As层上形成第二AlAs层；
[0014]e、在形成第二AlAs层的衬底上放置掩膜版，掩膜版上均布有直径为0.5mm～1mm的圆形孔，将衬底固定到磁控溅射设备腔体的样品台上，并将腔体抽真空，向腔体内通入Ar，打开直流源，调整直流源功率为13～17W，压强0.5～1Pa，使Pd靶材起辉，预溅射7～13min，之后正式溅射15～20min，在第二AlAs层上形成Pd电极层。
[0015]上述制备方法中，步骤b和e中，将腔体抽真空至1
×
10
‑4Pa～4
×
10
‑4Pa，向腔体内通入Ar的流量为20～30sccm。
[0016]本专利技术所提供的基于负微分电阻的忆阻器可以用来制备神经元电路，具体是：由两个基于负微分电阻的忆阻器和一个电感组成神经元电路，并模拟神经元行为。在神经元电路中，两个基于负微分电阻的忆阻器为并联结构，该并联结构的两个忆阻器与所述电感串联。
[0017]本专利技术采用基于AlAs/In
0.8
Ga
0.2
As/AlAs负微分电阻的忆阻器形成神经元电路，进而可模拟FN神经元行为。
[0018]本专利技术提供了一种基于负微分电阻(NDR)的忆阻器、其制备方法及应用。由两个NDR忆阻器和一个电感可形成神经元电路，从而来模拟FN神经元。基于NDR的忆阻器实现了神经元膜的集成特性，避免了使用外部电容器，本专利技术成功地将其应用于超简化神经元电路。忆阻器中的负微分效应模拟了神经元的动作电位行为，只需要两个NDR忆阻器和一个电感器就可以实现丰富的神经元动力学和著名的Fitz Hugh Nagumo(FN)生物神经元动力学。结果表明，本专利技术为使用NDR忆阻器模拟FN神经元开辟了道路，并为构建高度集成的神经形态学硬件系统提供了更具竞争力的方法。
附图说明
[0019]图1是本专利技术所提供的基于负微分电阻的忆阻器的结构示意图。
[0020]图2是本专利技术中基于负微分电阻的忆阻器的I
‑
V特性曲线图。
[0021]图3是本专利技术基于负微分电阻忆阻器的神经元电路的结构示意图。
[0022]图4是本专利技术基于负微分电阻忆阻器的神经元电路模拟FN神经元的示意图。
[0023]图5是本专利技术基于负微分电阻忆阻器的神经元电路模拟FN神经元震荡行为的效果图。
具体实施方式
[0024]实施例1，一种基于负微分电阻的忆阻器。
[0025]如图1所示，本专利技术所提供的基于负微分电阻的忆阻器，其结构由下至上依次是：InP衬底、GaAsN+外延层、第一AlAs层、In
0.8
Ga
0.2
As层、第二AlAs层、Pd电极层。Pd电极层包括若干直径为0.5mm～1mm的圆形电极。
[0026]实施例2，一种基于负微分电阻的忆阻器的制备方法。
[0027]本专利技术所提供的基于负微分电阻的忆阻器的制备方法包括如下步骤：
[0028]a、器件以InP为衬底，通过MOVPE工艺在InP衬底上获得高质量外延生长的GaAsN+外延层。
[0029]b、将生长GaAsN+外延层后的衬底固定到磁控溅射设备腔体的样品台上，并将腔体抽真空至1
×
10
‑4Pa～4
×本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于负微分电阻的忆阻器，其特征是，结构由下至上依次是：InP衬底、GaAsN+外延层、第一AlAs层、In
0.8
Ga
0.2
As层、第二AlAs层、Pd电极层。2.一种基于负微分电阻的忆阻器的制备方法，其特征是，包括如下步骤：a、在衬底上通过MOVPE工艺外延生长GaAsN+外延层；衬底为InP衬底；b、将衬底固定到磁控溅射设备腔体的样品台上，将腔体抽真空，然后向腔体内通入Ar，打开交流源，调整交流源功率，使AlAs靶材起辉，预溅射7～13min，之后正式溅射5～20min，在GaAsN+外延层上形成第一AlAs层；c、用挡板遮住AlAs靶位，打开In
0.8
Ga
0.2
As靶位，预溅射7～13min，之后正式溅射5～15min，在第一AlAs层上形成In
0.8
Ga
0.2
As层；d、用挡板遮住In
0.8
Ga
0.2
As靶位，打开AlAs靶位，正式溅射5～20min，在In
0.8
Ga
0.2...

【专利技术属性】
技术研发人员：裴逸菲，闫小兵，何惠，
申请(专利权)人：河北大学，
类型：发明
国别省市：