隨著人工智能、物聯(lián)網(wǎng)等新興信息技術(shù)的發(fā)展，信息處理已由計(jì)算密集型向數(shù)據(jù)密集型轉(zhuǎn)移，亟需具有非結(jié)構(gòu)化數(shù)據(jù)處理能力的低延時、低能耗邊緣計(jì)算系統(tǒng)，滿足終端設(shè)備對未來海量非結(jié)構(gòu)化數(shù)據(jù)處理能力的需求。受生物啟發(fā)的脈沖神經(jīng)網(wǎng)絡(luò)（SNN）因其使用稀疏、異步的脈沖序列作為輸入/輸出，并以存內(nèi)計(jì)算的方式處理信息而具有大規(guī)模并行和低能耗的特點(diǎn)。但要充分發(fā)揮SNN的優(yōu)勢，亟需在硬件方面開發(fā)出緊湊、低功耗、可訓(xùn)練的新型突觸電子器件。 

      電解質(zhì)柵控晶體管（EGT）是一種新型非易失性電子器件，具有滿足上述需求的潛力（參見D. S. Shang, et al. Adv. Intell. Syst. 2020, 2, 2000156; D. S. Shang, et al. Adv. Func. Mater. 2018, 28, 1804170; D. S. Shang, et al. Adv. Mater. 2017, 29, 1700906）。在前期工作中，中科院微電子所微電子器件與集成技術(shù)重點(diǎn)實(shí)驗(yàn)室劉明院士團(tuán)隊(duì)的尚大山研究員等人，利用無機(jī)氧化物Nb₂O₅和Li摻雜SiO₂作為溝道和柵電解質(zhì)材料，實(shí)現(xiàn)了EGT的大面積陣列制備以及SNN功能演示（參見Y. Li, J. Lu, D. S. Shang, et al., Adv. Mater. 2020, 32, 200301）。但利用EGT構(gòu)建SNN邊緣計(jì)算系統(tǒng)還面臨許多挑戰(zhàn)。首先，由于 EGT 具有類似電池的結(jié)構(gòu)和工作機(jī)制，溝道電導(dǎo)更新后會存在自放電現(xiàn)象，導(dǎo)致溝道電導(dǎo)退化，影響網(wǎng)絡(luò)的識別精度。其次，原位脈沖時序依賴可塑性（In-situ STDP）是SNN中的重要學(xué)習(xí)規(guī)則，如何在EGT陣列中實(shí)現(xiàn)這種STDP學(xué)習(xí)規(guī)則是實(shí)現(xiàn)低功耗在線學(xué)習(xí)的關(guān)鍵。 

　　針對上述問題，團(tuán)隊(duì)提出了一種One-Transistor-One-EGT（1T1E）結(jié)構(gòu)作為突觸單元。該結(jié)構(gòu)不僅能有效緩解EGT的自放電現(xiàn)象（圖1 a-b），優(yōu)化陣列器件選通問題，還能結(jié)合CMOS神經(jīng)元電路靈活、高效地實(shí)現(xiàn)STDP學(xué)習(xí)規(guī)則（圖1 c-d）。根據(jù)突觸單元的測試結(jié)果，團(tuán)隊(duì)進(jìn)一步構(gòu)建了一種基于時間編碼的SNN。該網(wǎng)絡(luò)具有聯(lián)想記憶功能，能夠?qū)崿F(xiàn)對MNIST數(shù)據(jù)集中手寫數(shù)字圖像的學(xué)習(xí)和恢復(fù)（圖1 e-f），并對EGT器件讀寫噪聲、非線性調(diào)節(jié)等非理想特性展現(xiàn)出了良好的魯棒性（圖1 g-i）。由于采用了時間編碼方式，并結(jié)合器件自身的低電流操作，這種基于1T1E突觸單元的SNN在訓(xùn)練過程和推理過程中的核心峰值能效分別可達(dá) 2 pJ/SOP （Picojoule per synaptic operation）和 80 TOPs-1W-1 （Tera operations per second per watt），相比常規(guī)的基于憶阻突觸器件和頻率編碼方式的SNN有了巨大提升。以上結(jié)果為構(gòu)建低能耗的神經(jīng)形態(tài)邊緣計(jì)算系統(tǒng)提供了重要參考。 

   這一成果近期發(fā)表在《先進(jìn)功能材料》期刊上（Advanced Functional Materials, DOI: 10.1002/adfm.202100042），微電子所博士研究生李悅、中國科學(xué)技術(shù)大學(xué)博士研究生宣自豪為文章的共同第一作者，微電子所尚大山研究員為該文章的通訊作者。 

　　該成果得到了科技部、國家自然科學(xué)基金委、中科院和之江實(shí)驗(yàn)室的支持。 

　　圖1. （a） 1T1E突觸單元結(jié)構(gòu)示意圖；（b） 1T1E突觸單元保持特性；（c）基于1T1E和CMOS神經(jīng)元電路的in-situ STDP學(xué)習(xí)規(guī)則實(shí)現(xiàn)方案；（d）器件溝道電導(dǎo)變化量 （ΔG）隨前、后脈沖時間差（Δt）變化的關(guān)系圖；（e）時間編碼示意圖，利用0-200 ms間的分立時間點(diǎn)編碼圖像中五種不同的灰度值；（f）對網(wǎng)絡(luò)輸入殘缺并帶有噪聲的數(shù)字“1”圖像，網(wǎng)絡(luò)能夠恢復(fù)出正確的圖像；器件非理想特性（g）非線性 （h）寫噪聲和 （i）讀噪聲對網(wǎng)絡(luò)恢復(fù)率的影響規(guī)律，器件特性實(shí)測結(jié)果也被標(biāo)出。

　　論文信息： 

　　https://onlinelibrary.wiley.com/doi/abs/10.1002/adfm.202100042 

　　One Transistor One Electrolyte-Gated Transistor Based Spiking Neural Network for Power-Efficient Neuromorphic Computing System 

　　Yue Li, Zihao Xuan, Jikai Lu, Zhongrui Wang, Xumeng Zhang, Zuheng Wu, Yongzhou Wang, Han Xu, Chunmeng Dou, Yi Kang, Qi Liu, Hangbing Lv, Dashan Shang* 

　　Advanced Functional Materials, 2021, DOI: 10.1002/adfm.202100042