論文題目：An artificial neural network chip based on two-dimensional Semiconductor

發(fā)表期刊：Science Bulletin. IF:18.9

DOI：https://doi.org/10.1016/j.scib.2021.10.005

前言

       近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)在圖像處理和感知識(shí)別等方面有著越來(lái)越多的應(yīng)用，將傳感器和信號(hào)處理器集成到一顆芯片中可以有效提高信號(hào)處理的速度和效率。具有原子級(jí)厚度和豐富能帶結(jié)構(gòu)的二維半導(dǎo)體材料非常適用于人工神經(jīng)網(wǎng)絡(luò)（ANN）芯片的制備。二維半導(dǎo)體材料直接生長(zhǎng)于硅基底絕緣體上，相應(yīng)的器件具有低的柵誘導(dǎo)漏極泄漏電流，器件的能耗相對(duì)較低，所制備的芯片在動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器件（DRAM）的數(shù)據(jù)刷新頻率也相對(duì)較低。與傳統(tǒng)的互補(bǔ)金屬氧化物半導(dǎo)體器件相比，基于MoS₂的晶體管，有較高的信噪比，并更適用于矩陣計(jì)算。因此，二維半導(dǎo)體材料在人工神經(jīng)網(wǎng)絡(luò)（ANN）芯片的制備領(lǐng)域也越來(lái)越凸顯其重要性。

案例概述

       近日，復(fù)旦大學(xué)課題組，通過(guò)后柵極工藝（gate-last processing）在晶圓尺寸上制備了MoS₂材料，并制備了可用于智能感知的人工神經(jīng)網(wǎng)絡(luò)（ANN）芯片。在經(jīng)過(guò)后續(xù)訓(xùn)練后，芯片對(duì)觸覺書寫字母識(shí)別率可高達(dá)97%。文中的芯片制備使用的是小型臺(tái)式無(wú)掩膜直寫光刻系統(tǒng)- MicroWriter ML3，該設(shè)備具有結(jié)構(gòu)小巧緊湊(70cm x 70cm x 70cm)、無(wú)需掩膜版、高直寫速度以及高分辨率等特點(diǎn)，是低成本開發(fā)各類微納器件的利器。除此之外，設(shè)備特殊的精準(zhǔn)套刻功能和虛擬掩膜系統(tǒng)為本工作中芯片的成功制備提供了重要基礎(chǔ)。該工作以“An artificial neural network chip based on two-dimensional semiconductor"為題，在SCI期刊Science Bulletin上發(fā)表。

小型臺(tái)式無(wú)掩膜直寫光刻系統(tǒng)- MicroWriter ML3

圖文導(dǎo)讀

圖1. 使用MoS₂制備人工神經(jīng)網(wǎng)絡(luò)芯片圖示。（a）生物神經(jīng)元的數(shù)學(xué)類比。（b）基于MoS₂人工神經(jīng)元的示意圖。（c）人工神經(jīng)芯片數(shù)據(jù)處理示意圖。（d）由MicroWriter ML3所制備的人工神經(jīng)網(wǎng)絡(luò)芯片光學(xué)放大圖。（e）基于MoS₂的人工神經(jīng)網(wǎng)絡(luò)芯片示意圖。

圖2. 基于MoS₂晶圓尺寸器件和乘法和累加的工作原理。（a）用化學(xué)氣相沉積法制備的2英寸MoS₂樣品。（b）MoS₂器件結(jié)構(gòu)示意圖。（c-d）49個(gè)FETs的傳輸特性測(cè)試和模擬圖。（e）乘法器單元示意圖。（f）乘法器中的ID，VG1和VG2的三者間的關(guān)系圖。（g）圖的上半部分顯示了具有并聯(lián)多分枝雙柵極FETs器件，下圖為相應(yīng)的示意圖。（h）乘法器分支數(shù)量和總電流關(guān)系圖。（i）乘法和累加的工作原理示意圖。

圖3. 支持人工神經(jīng)芯片的外圍電路。（a）具有一個(gè)神經(jīng)突觸的累神經(jīng)元MoS₂電路。（b）擁有多分枝乘法和累加器和一個(gè)模擬隨機(jī)存取存儲(chǔ)器的器件的光學(xué)照片。（c）1T（晶體管）-1C(電容器)單元的讀寫過(guò)程。（d）用電容控制晶體管（T2）的電流Id隨時(shí)間的變化。（e）Vout和Vin的模擬（上部圖）和實(shí)驗(yàn)結(jié)果（下部圖）。

圖4. 用接觸感知測(cè)試人工神經(jīng)網(wǎng)絡(luò)芯片。（a）人體感知觸摸的示意圖。（b）訓(xùn)練后，不同字母在器件不同位置引起的電流的變化。（c）23次訓(xùn)練后輸入和輸出的權(quán)重。（d）均方差隨著訓(xùn)練次數(shù)的變化。（e）訓(xùn)練次數(shù)和識(shí)別率的關(guān)系圖。

結(jié)論

      復(fù)旦課題組通過(guò)化學(xué)氣相沉積法制備了晶圓尺寸的MoS₂材料，通過(guò)小型臺(tái)式無(wú)掩膜直寫光刻系統(tǒng)- MicroWriter ML3制備了基于MoS₂材料的人工神經(jīng)芯片，所制備的芯片經(jīng)過(guò)訓(xùn)練后，可以精確識(shí)別手寫字母。該工作優(yōu)化了基于MoS₂芯片的構(gòu)架，提升了計(jì)算能力，為人工神經(jīng)芯片領(lǐng)域的發(fā)展起到推動(dòng)作用。

參考文獻(xiàn)

[1]. An artificial neural network chip based on two-dimensional semiconductor. Shunli Ma, Tianxiang Wu, Xinyu Chen, et al. Science Bulletin(2021)

相關(guān)產(chǎn)品

1、小型臺(tái)式無(wú)掩膜直寫光刻系統(tǒng)- MicroWriter ML3