为了克服冯·诺依曼瓶颈，研究者们受到生物神经网络结构特点的启发，提出了一种类比人脑工作机制的新型计算范式—神经形态计算。作为神经形态计算的基本器件之一，自2010年起，人工突触器件就被广泛研究（如阻变存储器、相变存储器和磁性存储器等）。这些器件能够在物理层面模拟生物突触信息处理功能，从而实现局域的存算一体。但是，大多数器件需要特殊的栅介质材料（如离子液体、固体电解质、铁电绝缘体等），并不利于器件的小型化与集成化，并且单次脉冲电压动作的功耗基本都在pJ、nJ甚至更高的数量级，鲜有低至fJ量级的工作出现。如何将人工突触器件的单次脉冲电压响应的功耗降低，直至可以与生物突触的功耗（1-100 fJ）相比拟，是目前研究中存在的一个关键问题。此外，将突触晶体管应用到人工神经网络中进行图像识别，是其在人工智能领域的一个重要应用场景。高效、高精度的人工神经网络对突触晶体管在多脉冲电刺激下的电导状态数、动态范围以及对称性和线性度等都提出了更高的要求。

北京大学电子学院、纳米器件物理与化学教育部重点实验室的陈清课题组首次利用二维α-In₂Se₃铁电材料制备了基于铁电半导体沟道和普通SiO₂介质层的新型突触晶体管，成功地从电学上模拟出了生物突触的基本特性。从原理上摆脱了此前报道的突触晶体管对离子液体、固体电解质和铁电绝缘体等特殊栅介质材料的依赖，提高了器件的稳定性，有利于发挥二维材料器件易于小型化、集成化的特点（ACS Appl. Mater. Interfaces 2020, 12, 22, 24920-24928。国家发明专利：“一种突触晶体管、器件及其制造方法、运算阵列”，ZL201910577552.1）。进一步，该课题组围绕α-In₂Se₃展开了系统的探索，包括基于α-In₂Se₃纳米片实现了紫外-近红外室温光电探测器（Nanoscale, 2019, 11, 27, 12817-12828）；基于WSe₂/In₂Se₃异质结实现了光伏型光电探测器 （Nanotechnology, 2019, 31, 6, 065203）；实验测到了α-In₂Se₃的带隙随厚度的变化并与理论计算结果一致(Nanotechnology, 2020, 31, 31, 315711)。

最近，该课题组进一步优化了基于In₂Se₃纳米片的突触晶体管性能（图1）。通过减薄沟道材料α-In₂Se₃纳米片的厚度和采用顶栅器件结构，有效降低了等效氧化层厚度，增强了α-In₂Se₃ 突触晶体管的栅控能力，使该突触晶体管的单脉冲电压响应降低至fJ量级，其中兴奋性响应的功耗（3.36 fJ）小于生物突触单次脉冲动作的功耗（~10 fJ）。此外，通过改变施加到栅极上的电压脉冲形式，提升了α-In₂Se₃纳米片突触晶体管多脉冲电压响应的动态范围以及LTP/LTD的对称性与线性度，且线性度（-0.015/0.11）和动态范围（~158）相较于现有的其它电子突触器件都达到了较优水平(图2)。基于优化后的各项多脉冲电压响应的参数，课题组使用NeuroSim+的平台模拟了一个全连接的神经网络，经过120次训练后，手写体数字识别的任务准确率达到了92.1 %，接近于理想值93.2 %，验证了其在人工神经网络领域应用的可能性。

2022年1月3日，上述成果以《基于α-In₂Se₃的超低功耗、大动态范围突触晶体管》 （Ultralow Power Consumption and Large Dynamic Range Synaptic Transistor Based on α-In₂Se₃ Nanosheets）为题，在 《ACS Applied Electronic Materials》上网络出版，并于2月23日作为正封面文章最终发表（图3）；2016级博士研究生唐彬和2020级博士研究生李璇为共同第一作者，北京大学电子学院陈清教授、廖建辉副研究员为共同通讯作者。

上述研究得到了科技部项目和国家自然科学基金项目的资助。

原文链接： https://pubs.acs.org/doi/abs/10.1021/acsaelm.1c00970

                                     图1：In₂Se₃突触晶体管器件结构示意图(a)和对单栅电压尖峰的电流响应 (b-c)。

                                        图2：多重栅极电压峰值刺激的通道电流响应(a-b)。