论文部分内容阅读
本文系统研究了基于石墨烯铁电晶体管的记忆晶体管突触（memtransistive synapse）器件,并将其应用于卷积与脉冲神经网络实现监督学习任务。具体地,制备了石墨烯铁电晶体管作为三端忆阻突触器件,研究了石墨烯铁电晶体管的工作机制,建立了顶栅调控石墨烯铁电晶体管的物理模型。利用石墨烯的双极性特点,实现增强型（potentiative）和减弱型（depressive）突触功能,提出了互补型突触（complementary synapse）的概念。并将互补型突触分别应用于基于模拟计算（analog computing）的卷积神经网络和基于脉冲计算（spike-based computing）的脉冲神经网络,实现了对手写字体测试集（MNIST）的学习训练与识别功能。主要的研究工作和创新成果可总结为:（1）制备了三端记忆晶体管（memtransistor）,即石墨烯铁电晶体管。晶体管的源电极、漏电极和顶栅电极分别为器件的三个端口。源漏电极之间用石墨烯作为沟道,用聚偏二氟乙烯（polyvinylidene difluoride,PVDF）铁电薄膜作为顶栅介质实现对石墨烯沟道电导的非易失性调控。（2）研究了石墨烯铁电晶体管的器件物理。针对石墨烯铁电晶体管中二氧化硅作为背栅和PVDF作为顶栅的转移特性曲线,定性解释石墨烯铁电晶体管的背栅和顶栅调控机制。进一步地,建立顶栅调控石墨烯铁电晶体管的物理模型,定量分析顶栅调控机制中的铁电效应。（3）用石墨烯铁电晶体管开展了模拟人脑突触特性的研究。石墨烯沟道模拟突触,源漏电极分别连接前、后级神经元,顶栅电极施加脉冲电压实现对突触权重的调制。实验实现了模拟权重调制（analog weight modulation）的功能,获得了较为优异的突触特性,并定量评估了其作为突触的各项非理想因子。（4）利用石墨烯的双极性,即同时具有电子和空穴的导电机制,分别实现增强型（potentiative）和减弱型（depressive）突触功能,提出互补型突触的概念。（5）以石墨烯铁电晶体管为突触构建了基于模拟计算的卷积神经网络,实现了手写数字识别功能（MNIST）。网络级仿真显示,分别用增强型和减弱型突触构建的卷积神经网络,在考虑器件各项非理想因子的条件下识别率仍高达93%和94%。（6）分别用互补型突触和互补突触对组成脉冲神经网络,采用远程监督学习（remote supervised method,ReSuMe）算法实现突触权重的更新。相比采用单个互补型突触作为突触单元,采用互补型突触对作为突触单元组成的神经网络具有更少的监督电路模块,显著优化了远程监督学习的硬件实现,并测试了针对九宫格、手写字体等图像的学习与识别功能。