多機能性を備えたコプレーナ型浮遊ゲート反強誘電体トランジスタによるオールインワンアナログリザーバーコンピューティング

科学分野:

• ニューロモルフィックエンジニアリング
• 材料科学
• 固体エレクトロニクス

背景:

• アナログリザーバーコンピューティング（ARC）は、エネルギー効率の高い時間情報処理を提供します。
• 現在のARC実装では、スケーラビリティと効率を妨げる複雑なマルチマテリアルデバイスアーキテクチャが必要です。
• 高度なコンピューティングパラダイムのための統合されたシンプルなハードウェアソリューションの必要性。

研究 の 目的:

• 完全なARCシステムを実装するための新しい統一デバイスアーキテクチャを提示すること。
• 複数のニューラル機能を持つコプレーナ型浮遊ゲート反強誘電体電界効果トランジスタ（FG AFeFET）を実証すること。
• 面積効率が高く設計柔軟性のあるニューロモルフィックハードウェアの可能性を探求すること。

主な方法:

• コプレーナ型FG AFeFETアーキテクチャの製造。
• 単一デバイス内での揮発性（ニューロン）、不揮発性（シナプス）、減衰メモリ機能の統合。
• ロードライン分析とエネルギーバンド図を使用したデバイスメカニズムの体系的な解明。
• パターン認識タスクのためのオールインワンARCシステムのデモンストレーション。

主要な成果:

• FG AFeFETベースのARCシステムを使用して、MNISTで95.6%、Fashion-MNISTで83.4%の高い認識精度を達成しました。
• デバイス機能におけるコプレーナレイアウトと面積比エンジニアリングの有効性を検証しました。
• 揮発性応答、不揮発性シナプス機能、減衰メモリダイナミクスを含む、調整可能なデバイスの動作を実現しました。

結論:

• 統一されたコプレーナ型FG AFeFETアーキテクチャは、重要なニューラルコンピューティング機能を単一デバイスに正常に統合しました。
• このアプローチは、ARCシステムの製造を大幅に簡素化し、効率を高めます。
• コプレーナ型FG AFeFETは、将来のコンピューティングシステムのための面積効率が高く柔軟なニューロモルフィックハードウェアに向けた有望な経路を表します。