具有学习和记忆功能的硅纳米线晶体管

神经形态计算需要受人脑元素(例如神经组织和突触)启发的建筑体系结构。这些架构已被证明是非常有前途的，并且对于许多应用程序都具有优势，因为它们可以同时具有存储和学习功能。

当前大多数的神经形态结构都在人为地重建突触的可塑性(即随时间容易塑形的能力)，突触是神经细胞之间的连接点，能够使冲动跨大脑区域传播。然而，神经形态计算方法的另一个潜在的有价值的灵感来源是神经元膜的可塑性，它是保护神经元功能的保护性屏障。

考虑到这一点，德累斯顿工业大学和Hemholtz中心的研究人员最近设计了一种神经晶体管，该晶体管模拟神经元膜的固有可塑性。这种新的神经晶体管是在Nature Electronics上发表的一篇论文中提出的，它是通过用离子掺杂的溶胶-凝胶硅酸盐薄膜涂覆硅纳米线来制造的。

进行这项研究的研究人员之一拉里萨·巴拉班(Larysa Baraban)表示：“作为一个在生物和化学电子传感器方面具有主要专业知识的小组，我们试图找到一种合适的系统，该系统利用生物传感器的原理复制神经元膜的特性。” TechXplore。

由Eunhye Baek，Baraban及其同事设计的神经晶体管利用了基于硅纳米线晶体管的电子电位生物传感器的特性。这类传感器可以将离子或分子的电荷转换为电流。研究人员将能电子感应离子电荷的场效应晶体管与溶胶-凝胶薄膜结合在一起，从而能够重新分配离子电荷。

参与这项研究的另一位研究员Gianaurelio Cuniberti告诉TechXplore：“我们在8英寸绝缘体上硅(SOI)晶片上使用CMOS工艺(例如电子束和UV光刻)制造了硅纳米线晶体管，” “然后我们用离子掺杂的硅酸盐薄膜涂覆纳米线器件，该薄膜是通过溶胶-凝胶工艺使用硅酸盐基前体和金属离子合成的。”

Baek，Baraban，Cuniberti及其同事提出的新型神经晶体管可以起到短期记忆的作用，因为溶胶-凝胶膜会限制离子在其内部的移动并在短时间内保持某些离子状态。由于这种独特的品质，溶胶-凝胶薄膜使神经晶体管能够产生独特的非线性(即S型)输出动态，而动态动态则受输入信号的历史支配。

研究人员开发的设备可模拟神经元细胞的功能和固有可塑性。实际上，在神经元中，膜电位会导致离子电流发生S型变化。这种非线性动态特性还为其提供了高级学习功能，使其非常适合机器学习应用程序，例如，学习如何在模式分类任务中表现良好。

“这项研究最有意义的成就是我们利用神经元的可塑性获得的神经晶体管网络的动态学习能力，”这项研究的主要研究人员之一Eunhye Baek告诉TechXplore。“许多神经形态设备(主要是忆阻器)由于其随机性(如随机电流阈值)而几乎无法控制输出动态。”

研究人员采用的设计策略使他们的神经晶体管能够使用其细胞中定量的掺杂离子来获得稳定的输出动态。由于Baraban，Cuniberti，Baek及其同事最近的研究的目标是模仿神经元的非线性计算，因此他们的神经晶体管可用于执行设备级分类，而无需进行数据后处理。由于其他在神经形态设备上运行的现有模式分类模型需要额外的软件计算，因此这可以以更低的能耗实现更强大的神经形态计算。