神经元器件和神经网络 【技术领域】
本发明涉及电子器件， 具体地涉及可以实现神经元功能的电子器件及其构成的神经网络。 背景技术 传统的计算机通常是利用二进制逻辑实现信息处理和存储功能， 而且信息处理 ( 或计算 ) 和存储在不同的器件或功能模块中分别实现的， 其运算过程通常是一步接一步 的串行过程。
利用模拟大脑神经网络的方法实现计算和存储功能可以得到更高的效率， 是未来 信息科学发展的一个重要方向。 这种类神经网络处理功能的前提是实现类神经细胞单元功 能， 包括记忆、 开关切换、 适应学习和高等计算等功能的器件和电路。
常规的神经网络集成电路包括多个神经元形成的矩阵， 每一个神经元包括至少一 个输入线 ( 对应于至少一个突触和树突 )、 一个运算放大器 ( 对应于一个神经细胞 )、 以及 一个输出线 ( 对应于一个轴突 )。 经由至少一个输入线输入的信号经过权重后， 在运算放大 器中相加， 并在其和超过预定值时， 经由输出线输出信号。 在输入线中包括固定电阻或可变 电阻作为权重部分。例如， 美国专利 US5422982 公开了一种以二氧化硅膜构成的可变电阻 作为神经元的突触的神经网络， 美国专利 US5296835 公开了一种以硫属化物构成的可变电 阻作为权重部分的神经网络。
在以上两篇文献中提到的基于可变电阻的神经元都是通过改变外加电压的大小， 控制调节器件的电阻值， 从而实现神经元的适应性学习功能， 而神经元的逻辑运算功能却 难以实现。因此， 在现有的神经网络中， 固定电阻或可变电阻仅仅作为神经元的一部分， 也 即仅仅起到权重的作用。每一个神经元还需要包括独立的、 用于将权重后的信号相加的运 算放大器， 该运算放大器必须由复杂的电路结构构成。
由于需要包括独立的可变电阻 ( 作为权重部分 ) 和独立的运算放大器， 现有的神 经网络存在着速度低、 功耗高、 集成度低的问题。
因此， 期望进一步提高神经元网络的速度， 降低其操作电压和电流， 减小其芯片占 用面积， 需要寻找合适的神经元器件， 从而简化器件结构、 提高集成度和降低制造成本， 这 在当前仍然是一个具有很大挑战性的研究课题。
发明内容
本发明的目的是提供了一种简单结构的神经元器件及神经网络。
根据本发明的一方面， 提供一种神经元器件， 包括底电极层、 顶电极层、 以及夹在 底电极层和顶电极层之间的阻变材料层， 其中， 神经元器件在施加恢复脉冲时转变为正常 态， 而在施加刺激脉冲时转变为兴奋态。
神经元器件具有对刺激脉冲的幅度、 宽度及个数的综合响应， 提供权重部分和运 算部分的功能。根据本发明的另一方面， 提供一种神经网络， 包括相互电连接的多个上述神经元 本发明利用阻变材料实现神经元的生物功能， 从而为高等的认知计算提供了基器件。
础。 一方面， 神经元器件响应外加电压的幅度和宽度的变化而改变电阻态， 从而实现 对刺激信号的权重功能。
另一方面， 神经元器件还响应外加脉冲个数的改变而改变电阻值， 从而实现基本 的运算功能 ( 如加法， 除法 )。
本发明的优点是仅通过一个器件就可以实现神经元的全部功能， 而不需要形成独 立的权重部分和运算部分。
该神经元器件结构简单， 便于集成， 并且与传统硅基 CMOS 工艺兼容， 非常适合大 规模生产。 同时， 该神经元器件采用的阻变材料具有高速度 (ns 量级 )、 低操作电压 ( 几伏 ) 等优点， 从而符合未来高性能器件的要求。 并且， 该神经元器件具有对外界不同刺激的兴奋 响应和传递、 开关切换、 认知学习、 记忆等功能， 因而可以实现多种生物功能和复杂的逻辑 运算。
附图说明 图 1 示出了根据本发明的神经元器件的结构示意图。
图 2 示出了在施加刺激脉冲时， 根据本发明的神经元器件的电阻值与脉冲个数的 关系， 其中神经元器件从正常态转变为兴奋态。
图 3 示出了在施加不同幅度的刺激脉冲时， 根据本发明的神经元器件的电阻值与 脉冲幅度的关系， 其中神经元器件从正常态转变为兴奋态。
图 4 示出了在施加不同幅度和宽度的刺激脉冲时， 根据本发明的神经元器件的电 阻值与脉冲个数的关系， 其中神经元器件从正常态转变为兴奋态。
图 5 示出了神经元网络的简化示意图， 包括四个神经元。
具体实施方式
已经发现某些氧化物材料的阻变特性 ( 以下称为 “阻变材料” )。阻变材料一般是 金属氧化物， 包括选自 HfO2、 NiO、 TiO2、 ZrO2、 ZnO、 WO3、 Ta2O5、 Al2O3、 MoOx、 CeOx、 La2O3 及其任 意组合构成的组中的一种材料。阻变材料可以表现出多个稳定的状态。
金属氧化物的阻变现象， 是由其内部存在的细丝形导电通道的连通和断开导致 的。导电通道是由氧缺陷排列而成。在外加电压的作用下， 氧化物内部生成新的氧缺陷， 从 而导致了器件从高阻态到低阻态的转变。
利用上述金属氧化物的阻变现象， 可以制造氧化物阻变器件。按照单极或双极方 式对氧化物阻变器件进行操作。前者在器件两端施加单一极性的电压， 利用施加电压大小 不同控制阻变材料的电阻值在高低阻态之间转换 ； 而后者是利用施加相反极性的电压控制 阻变材料电阻值的转换。
本发明人进一步发现， 在对氧化物阻变器件进行操作时， 如果施加比正常的转变 电压略小且更快速的脉冲， 则氧化物阻变器件的电阻值开始只会发生小幅的降低。当连续施加相同的脉冲时， 其电阻值会逐渐降低。然而， 当施加的脉冲数量达到一定程度时， 将会 发生一次电阻值的突然减小， 这时器件将会处于低阻态。
这一过程与神经元的工作方式非常相似。神经元在受到外界的刺激时会产生响 应， 当刺激达到一定的程度时， 神经元会产生兴奋， 并将兴奋传递到下一个神经元。
此外， 还可以将这一过程看成是神经元的运算功能。每施加一次脉冲就相当于一 次加一的操作， 器件的阻值会相应的降低。根据器件最终状态的阻值就可以得到已经施加 的脉冲个数。 因此通过多个输入端输入信号后， 器件可以将这些信号相加后输入， 从而实现 神经元的运算功能。
基于以上认识， 本发明人提出新型的神经元器件， 其中利用阻变材料模拟一个神 经元中的权重部分和 / 或运算部分。
电压脉冲作为外界的刺激信号， 阻变材料对电压脉冲的幅度和宽度的响应相当于 神经元的权重部分的功能， 阻变材料对电压脉冲的个数的响应相当于神经元的运算部分的 功能。因此， 阻变材料的电阻值的变化表示对电压脉冲的幅度、 宽度和个数的综合响应， 即 一个完整的神经元对刺激的响应。
该神经元器件的低阻态对应于神经元在刺激下的兴奋状态， 电导非常高， 可以将 电压信号传递给相邻的神经元器件， 这就构成神经元兴奋的传递。 图 1 示出了根据本发明的神经元器件的结构示意图。神经元器件 10 包括底电极 层 11、 顶电极层 13 以及夹在二者之间的阻变材料层 12。如下文将描述的那样， 该神经元器 件 10 提供加权部分和运算放大器的功能， 兴奋从顶电极层 13 向底电极层 11 传递。
可以按照以下的步骤制备神经元器件 10 ：
在硅片的衬底 ( 未示出 ) 上物理气相淀积 (PVD) 一层金属， 如铂 (Pt)， 厚度为 5-100nm， 作为底电极层 11 ；
通过 PVD 或者原子层淀积 (ALD)， 在底电极层 11 上形成一层金属氧化物， 如氧化铪 (HfO2)， 厚度 5-30nm， 作为阻变材料层 12 ；
通过离子注入的方法向阻变材料层 12 中注入杂质元素， 如钆 (Gd)， 以增加缺陷， 使转变更稳定， 浓度为 0.1-10％ ；
通过 PVD， 在阻变材料层 12 上形成一层金属或者其它导电材料， 如氮化钛 (TiN)。
例如， 最终形成的神经元器件 10 为 Pt/HfO2/TiN 三层结构。
采用类似的工艺， 还可以形成其他的三层结构的神经元器件 10， 其中的阻变材料 层 12 可以由选自 HfO2、 NiO、 TiO2、 ZrO2、 ZnO、 WO3、 Ta2O5、 Al2O3、 MoOx、 CeOx、 La2O3 及其任意组 合构成的组中的一种材料构成， 底电极层 11 和顶电极层 12 可以由任何合适的导电材料构 成。
图 2 示出了在施加刺激脉冲时， 根据本发明的神经元器件的电阻值与脉冲个数的 关系， 其中神经元器件从高阻态 ( 正常态 ) 转变为低阻态 ( 兴奋态 )。该神经元器件具有如 图 1 所示的结构， 并且刺激脉冲为正向脉冲。典型地， 刺激脉冲的幅度在 1-10V 的范围内， 宽度在 1ns-1μs 范围内。
在本申请中， 正向脉冲指的是沿着神经元兴奋的传递方向的电压降 ( 即图 1 中的 从顶电极 13 至底电极 11 之间的电压降 ) 始终为正值， 而负向脉冲指的是沿着神经元兴奋 的传递方向的电压降 ( 即图 1 中的从顶电极 13 至底电极 11 之间的电压降 ) 始终为负值。
应当注意， 该神经元器件 10 是无极性的， 如果图 1 中的神经元兴奋的传递方向反 向， 则正向脉冲指的是从底电极 11 至顶电极 13 的电压降始终为正值， 而负向脉冲指的是从 底电极 11 至顶电极 13 的电压降始终为正值， 仍然可以获得类似的结果。
此外， 在图 2 以及随后的图 3 至 5 中的曲线均是采用方波脉冲来获得的。然而， 本 发明人已经发现脉冲的波形都可以获得类似的曲线。 如果调整不同波形的脉冲的幅度和宽 度， 就可以获得相同的曲线。
为了获得图 2 的曲线， 先向神经元器件 10 施加恢复脉冲 Vreset， 该恢复脉冲 Vreset 是 幅度大于恢复阈值 Vth_reset 的负向的脉冲电压， 将神经元器件 10 设置为高阻态 ( 正常态 )。 对于该实例中的神经元器件 10， 恢复阈值 Vth_reset 约为 2.2V。神经元器件 10 的正常态的初 5 始电阻值为 2×10 Ω。
然后， 施加刺激脉冲 Vpulse， 该刺激脉冲为幅度大于刺激阈值 Vth_set 的正向的电压脉 冲， 测量神经元器件 10 的电阻值随脉冲个数的变化。 刺激阈值 Vth_set 大于恢复阈值 Vth_reset。 对于该实例中的神经元器件 10， 恢复阈值 Vth_reset 约为 2.5V。
如图 2 所示， 对于脉冲幅度为～ 5V、 宽度为～ 8ns 的刺激脉冲， 在大约 5 个脉冲处， 电阻值突然减小 ( 相对于初始的高阻态， 电阻值下降大约 3 个数量级 )， 从而达到兴奋态。 可见， 该神经元器件对脉冲数量的响应， 使得脉冲数量成为外界的刺激源。因此， 神经元器 件 10 具有对刺激脉冲的数量的响应， 提供运算部分的功能。
图 3 示出了在施加不同幅度的刺激脉冲 Vpulse 时， 根据本发明的神经元器件的电阻 值与脉冲幅度的关系， 其中神经元器件从高阻态 ( 正常态 ) 转变为低阻态 ( 兴奋态 )。
为了获得图 3 的曲线， 先施加恢复脉冲 Vreset， 将神经元器件 10 设置为高阻态 ( 正 常态 )。然后， 施加一个刺激脉冲 Vpulse， 测量神经元器件 10 的电阻值， 该刺激脉冲 Vpulse 的 脉冲宽度比图 2 中的设定略大， 范围在 10ns-10μs。然后， 重复施加恢复脉冲 Vreset 和刺激 脉冲 Vpulse 的步骤， 其中改变刺激脉冲 Vpulse 的幅度， 测量神经元器件 10 在不同幅度的刺激 脉冲作用下的电阻值。最终， 可以获得神经元器件 10 的电阻值随脉冲幅度的变化。
如图 3 所示， 该神经元器件的电阻值变化与脉冲幅度相关。对于脉冲宽度为～ 500ns 的正向的电压脉冲， 在大约 4V 处， 电阻值突然降低 ( 相对于初始的高阻态， 电阻值升 高大约 2 个数量级 )。也即， 该神经元器件对脉冲幅度的响应， 使得脉冲幅度成为外界的刺 激源。
通过施加不同幅度的电压可以将神经元器件转变到不同的电阻值。 这一过程对应 了神经细胞认知学习的过程。 人工神经元的任何状态都可以通过反向脉冲电压的刺激直接 学习。因此， 神经元器件 10 具有对刺激脉冲的幅度的响应， 提供权重部分的功能。
图 4 示出了在施加不同幅度和宽度的刺激脉冲 Vpulse 时， 根据本发明的神经元器 件的电阻值与脉冲个数的关系， 其中神经元器件从高阻态 ( 正常态 ) 转变为低阻态 ( 兴奋 态 )。
为了获得图 4 的曲线， 先施加恢复脉冲 Vreset， 将神经元器件 10 设置为高阻态 ( 正 常态 )。 然后， 施加特定幅度和宽度的刺激脉冲 Vpulse， 测量神经元器件 10 的电阻值随脉冲个 数的变化。然后， 重复施加恢复脉冲 Vreset 和刺激脉冲 Vpulse 的步骤， 其中改变刺激脉冲 Vpulse 的幅度和宽度， 测量神经元器件 10 在不同幅度和宽度的刺激脉冲作用下的电阻值随脉冲 个数的变化。最终， 可以获得在不同幅度和宽度的刺激脉冲作用下的多条神经元器件 10 的电阻值与脉冲个数的关系曲线。
不同的脉冲幅度和宽度导致器件从高阻态转变为低阻态所需要的脉冲数量不同， 即产生兴奋所需要的脉冲数量也就不同。通过控制脉冲电压的幅度和宽度， 可以控制神经 元器件 10 的电阻值。也即， 该神经元器件对脉冲幅度的响应， 使得脉冲数量成为外界的刺 激源。因此， 神经元器件 10 具有对刺激脉冲的幅度、 宽度及个数的综合响应， 提供权重部分 和运算部分的功能。
以上特性表明， 本发明中提出的神经元器件 10 的电阻态既可以通过脉冲的幅度 和宽度控制， 又可以通过脉冲的个数控制， 因此该器件可以同时提供神经元的权重部分和 运算部分的功能。 在实现权重功能时， 利用其电阻与脉冲电压大小的关系， 通过类似美国专 利 US5422982 的方法， 在输入端输入电压信号， 当电压超过一定的阈值时， 可变电阻的阻值 会相应的变低， 从而使电压信号传递到后面的神经元中。 在实现运算功能时， 利用其电阻与 脉冲电压个数的关系， 实现逻辑运算。
图 5 示出了神经元网络的示意图， 包括分别四个神经元器件 a-d， 其中用箭头示出 了兴奋的传递方向以及四个神经元器件的电连接关系。
刺激脉冲作用在前一级的神经元器件 a-c 中任一个或多个上。经过对脉冲幅度的 加权和对脉冲个数的运算， 在刺激达到一定程序时， 相应的神经元器件 a-c 就进入兴奋态， 使得刺激脉冲可以传递到下一级的神经元器件 d 上。神经元器件 d 对接收到的刺激脉冲的 总和进行响应， 发生类似的刺激响应， 从而实现兴奋的传递。 以上描述只是为了示例说明和描述本发明， 而非意图穷举和限制本发明。 因此， 本 发明不局限于所描述的实施例。对于本领域的技术人员明显可知的变型或更改， 均在本发 明的保护范围之内。