一种基于CuInP2S6铁电光伏的卷积算子的制备方法技术

本发明专利技术公开了一种基于CuInP<subgt;2</subgt;S<subgt;6</subgt;铁电光伏的卷积算子的制备方法，本发明专利技术涉及神经形态计算以及铁电光伏领域。本器件结构由下往上依次是支撑衬底、源电极、半金属、介质层、半金属、漏电极。本发明专利技术的器件通过介质层吸收大于介质层材料带隙波长的激光，从而产生光电流；由于器件其独特的物性，通过控制不同极化电压大小以及电脉冲宽度和个数来调控正负光电流大小，可映射为卷积算子中的权重值。将图像数据编码为光功率大小，将不同大小的光功率作为输入，器件的多个态作为卷积算子可以进行图像处理并且卷积算子可重构，所制备的器件作为卷积算子可进行图像处理等神经形态计算，对于二维材料铁电光伏器件在神经形态计算领域中的应用具有借鉴作用。

【技术实现步骤摘要】

本专利技术涉及铁电光伏领域以及神经形态计算领域，具体涉及一种基于cuinp2s6铁电光伏的卷积算子的制备方法。

技术介绍

1、随着大数据时代的来临，数据计算就变得越来越重要，传统的图像处理芯片先经过模拟采集再进行模数转化处理数据，这种冯诺依曼体系的视觉处理方式存在着计算效率的瓶颈，而在生物视觉系统中，有关环境的信息通过眼睛接收，视网膜中的光感受器将光信号转换为电信号，然后通过突触发送到传入神经元，这是高度并行和超节能的，仿生神经形态计算有望从根本上解决传统冯诺依曼体系瓶颈，极大的提高能效和计算效率，二维材料作为目前材料领域的研究重点，以它极高的比表面积，使得外界的环境刺激可以更好的调控它，具有原子量级的厚度、平整的表面、控光电特性等优秀的电学和光学物理特性使得二维材料及其异质结构成为实现仿生器件的研究重点。对于视觉系统来说，数据处理是至关重要的，因此将感觉感受器和感觉处理过程结合起来这将是进一步提高神经形态计算效率的一种可能方式，图像处理的卷积算子能够很好的实现感算一体，卷积核算子中的正负权重类比与视网膜中的双极细胞正负光响应，故而二维材料器件若能映射卷积本文档来自技高网...

【技术保护点】

1.一种基于CuInP2S6铁电光伏的卷积算子器件，其特征在于，由下至上依次包括支撑衬底、源电极、半金属、介质层、半金属和漏电极；所述源极电极和漏极电极分别放置于半金属两端，所述源电极和漏电极数量可重构，器件可成为阵列结构，所述半金属均与介质层之间形成良好的范德华界面。

2.根据权利要求1所述的CuInP2S6铁电光伏的卷积算子器件，其特征在于，所述支撑衬底为SiO2/Si、HfO2或石英玻璃。

3.根据权利要求1所述的CuInP2S6铁电光伏的卷积算子器件，其特征在于，所述半金属为石墨烯，厚度为1-3层。

4.根据权利要求1所述的CuInP2S6铁电...

【技术特征摘要】

1.一种基于cuinp2s6铁电光伏的卷积算子器件，其特征在于，由下至上依次包括支撑衬底、源电极、半金属、介质层、半金属和漏电极；所述源极电极和漏极电极分别放置于半金属两端，所述源电极和漏电极数量可重构，器件可成为阵列结构，所述半金属均与介质层之间形成良好的范德华界面。

2.根据权利要求1所述的cuinp2s6铁电光伏的卷积算子器件，其特征在于，所述支撑衬底为sio2/si、hfo2或石英玻璃。

3.根据权利要求1所述的cuinp2s6铁电光伏的卷积算子器件，其特征在于，所述半金属为石墨烯，厚度为1-3层。

4.根据权利要求1所述的cuinp2s6铁电光伏的卷积算子器件，其特征在于，所述介质层为cuinp2s6，厚度为10-80nm。

5.根据权利要求1所述的cuinp2s6铁电光伏的卷积...

【专利技术属性】
技术研发人员：刘富才，袁钢哲，崔思林，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：