ナノラミネート強誘電体トランジスタによる広帯域リザーバーセンシングニューロモルフィックビジョン

科学分野:

• ニューロモルフィック工学
• 材料科学
• デバイス物理学

背景:

• リザーバーコンピューティング（RC）は、計算のために複雑なダイナミクスを活用します。
• 強誘電体薄膜トランジスタ（FeTFT）は、メモリと処理の統合の可能性を提供します。
• 既存のシステムは、しばしば揮発性/不揮発性機能の統合とエネルギー効率を欠いています。

研究 の 目的:

• 単一のFeTFTデバイスを使用したハードウェア指向のハイブリッドリザーバーコンピューティング（HRC）システムを開発すること。
• 長期記憶と短期記憶の両方でデュアルモード（電気/光学）操作を可能にすること。
• 高性能でエネルギー効率の高いニューロモルフィックコンピューティングを実証すること。

主な方法:

• FeTFT用のナノラミネート強誘電体ゲートスタック（HZO/HfO2/HZO）の作製。
• 正確なマルチレベル制御と線形重み更新のために、段階的パルス検証アルゴリズム（ISPVA）を使用しました。
• 機能拡張のために、光駆動4ビットリザーバーと波長依存リザーバーを使用しました。

主要な成果:

• 長期記憶のための電気入力と短期記憶のための光励起によるデュアルモード動作を実現しました。
• ピコアンペア電流（デバイスあたり約10 pW）での低電力動作を実証しました。
• MNISTで93.1％、Fashion-MNISTで85.1％の精度を達成し、これまでのFeTFT/メムリスタRCシステムを上回りました。

結論:

• 開発されたFeTFTベースのHRCシステムは、多機能なインセンサーニューロモルフィックコンピューティングのためのスケーラブルでエネルギー効率の高いプラットフォームを提供します。
• 単一デバイスでの揮発性および不揮発性機能の統合は、ハードウェア設計を簡素化します。
• このアプローチは、高度な低電力AIハードウェアへの道を開きます。