研究背景

随着人工智能时代的到来，预计在集成电路的驱动下，信息领域的功耗将继续增加。预计到2030年，信息领域相关用电量将占世界总用电量的五分之一。因此，低功耗电子器件的研究在微电子器件领域引起了重大的学术兴趣。该研究主要包括低亚阈值摆幅(SS)晶体管、神经形态器件、内存逻辑器件、感知记忆和计算器件。在低SS晶体管的研究中，根据玻尔兹曼理论的载流子分布限制了传统MOSFET的SS，在室温下将其限制在＞60 mV dec^-1。该限制阻止了电源电压(V_DD)的逐步降低，导致无法降低漏电流和静态功耗。因此，确定创新的材料，结构或输运机制，克服“玻尔兹曼限制”，实现低SS晶体管是至关重要的。二维(2D)过渡金属硫族化合物(TMDs)，特别是MoS₂，正被研究作为未来器件技术的潜在沟道材料，因为它们的原子级厚度提供了出色的静电控制能力。一些利用2D材料的陡坡器件已经制备出来，可以在室温下获得<60 mV dec^-1的SS值，例如纳米机电FET(NEM-FET)、狄拉克源FET(DS-FET)、碰撞电离FET(II-FET)、隧穿FET(T-FET)、电阻栅极FET(RG-FET)和负电容FET(NC-FET)。考虑到后摩尔时代扩大2D半导体器件的潜力，NC-FET在大规模器件中的应用前景最大。因此，加强对NC-FET的研究具有重要的实用价值。    

成果介绍

有鉴于此，近日，清华大学任天令教授，伍晓明副研究员和山东大学韩琳教授（共同通讯作者）等合作提出了一种开创性的PZT使能的MoS₂浮栅晶体管(PFGT)结构，在-7至7 V的双扫描栅极电压范围内，显示出了46 mV dec^-1的低SS和7.2 V的宽存储窗口。宽存储窗口为PFGT提供了112种不同的电导状态。此外，PFGT基人工神经网络的人脸识别精度达到了97.3%。该研究为利用2D材料开发低SS晶体管和高能效人工突触奠定了基础。文章以“PZT-Enabled MoS₂ Floating Gate Transistors: Overcoming Boltzmann Tyranny and Achieving Ultralow Energy Consumption for High-Accuracy Neuromorphic Computing”为题发表在著名期刊Nano Letters上。

图文导读

图1. PZT使能的浮栅晶体管(PFGT)的表征。（a）PFGT的三维表示。（b）PFGT的光学图像。（c）PFGT的原子力显微镜图像。（d&e）PFGT在线性和对数刻度上的双扫描转移曲线。（f）PFGT的输出曲线。

图1a给出了PZT使能的浮栅晶体管(PFGT)的三维视图，其中MoS₂为沟道层，Al₂O₃为隧穿层，Si₃N₄为浮栅层，PZT为阻挡层，Pt为控制栅极，SiO₂/P²⁺Si为衬底。图1b显示了PFGT的光学图像，其中包含三个器件，相应的AFM图像如图1c所示。近年来的研究证实了PZT的铁电性质。MoS₂的2.8 nm厚度(图1c)表明它大约由四层组成。图1d显示，这些双扫描转移曲线具有明显的存储窗口，这是由于Si₃N₄浮栅中的电荷转移和俘获引起的明显阈值电压偏移。此外，在-7~7 V的双扫描栅电压范围内，PFGT的存储窗口宽度为7.2 V，超过了PFET的4.02 V存储窗口，这是由于浮栅和PZT铁电开关的协同作用增强了电荷俘获/去俘获能力。图1e显示，这些转移曲线在对数刻度上的开/关比为10⁶。值得注意的是，PFGT表现出低SS晶体管特性，在正向扫描时SS值最小为46 mV dec^-1，在反向扫描时SS值最小为51 mV dec^-1。图1f中的线性输出曲线表明了PFGT漏极和源极的类欧姆接触。由于浮栅中的存储电荷削弱了V_g的电场强度，PFGT的漏-源电流可以被分离成两个不同的线集。

图2. PFGT的存储原理。（a）可视化PFGT中的编程和擦除原理。（b）在适当的擦除(20 ns，-20 V)和编程(30 ns，20 V)操作下，PFGT可以在擦除状态(高电流)和编程状态(低电流)之间进行转变。（c）PFGT擦除/编程状态的实时变化。（d）在交替擦除/编程操作期间，PFGT的耐久性测量。（e）编程时间与编程脉冲电压的关系，显示编程时间随着脉冲电压增加而减少。（f）擦除时间与擦除脉冲电压之间的关系，表明擦除时间随着脉冲电压增加而减少。

除了作为晶体管的卓越电学性能外，PFGT的存储性能也值得注意。图2a阐明了PFGT的存储原理。如图2a(i)所示，当正电压脉冲触发Pt栅极时，PZT中的向上电场诱导MoS₂中的电子穿过Al₂O₃隧穿到Si₃N₄中，同时在皮秒内(编程操作)产生向上极化场。如图2a(ii)所示，去除正电压脉冲后，PZT中的向上电场立即消失。然而，由于Al₂O₃的势垒作用，Si₃N₄中的电子无法返回到MoS₂中，PZT中的向上极化场有利于Si₃N₄中的电子的俘获，因为它不会随着电场的上升而消失。相反，负栅极电压脉冲在PZT中产生向下电场和向下极化场，驱动Si₃N₄中存储的电子返回MoS₂(图2a(iii))，完成擦除操作。图2a(iv)显示了去除负栅极电压脉冲后PZT中向下电场立即消失的情况。然而，由于Al₂O₃的势垒势，MoS₂中的电子不能返回到Si₃N₄中，PZT中的向下极化场有利于MoS₂中的电子保留，因为它不会随着向下电场而消失，从而实现稳定的擦除状态。为了证实上述理论分析，本文进行了相应的实验。如图2b所示，在PFGT受到20 V脉冲30 ns的刺激后，漏极电流I_ds为~10^-12 A(编程状态)，当PFGT受到-20 V脉冲20 ns的刺激时，漏极电流I_ds可恢复到~10^-6 A(擦除状态)。    

此外，即使在10⁴ s之后，擦除/编程状态也没有明显的退化，这表明PFGT具有出色的稳定性。图2c绘制了相应擦除/编程状态的实时变化趋势，其中擦除/编程电流比即使在3×10⁷ s(10年)后仍保持显著的差异值~10⁵，进一步证实了PFGT的优越长期存储能力。图2d显示了PFGT的耐久性，即使在1000次循环后，擦除/编程电流比仍然保持＞10⁶，没有明显的下降。此外，本文还测量了编程/擦除时间与编程/擦除电压之间的关系。图2e和f表明，随着编程/擦除电压的增加，编程/擦除时间减少，这与传统浮栅存储器的行为一致。

图3. PFGT的擦除/编程性能。（a&b）施加不同擦除电压宽度后PFGT的擦除结果，擦除电压幅值保持恒定在-9 V。（c&d）施加各种擦除电压幅值后PFGT的擦除结果，擦除电压宽度保持恒定在100 ns。（e&f）施加不同编程电压宽度后PFGT的编程结果，编程电压幅值保持恒定在9 V。（g&h）施加各种编程电压幅值后PFGT的编程结果，编程电压宽度保持在100 ns不变。    

通过采用合适的编程/擦除电压(图3)，可以成功地实现PFGT的多级存储状态。如图3a-d所示，擦除状态电流随着擦除电压脉冲宽度(P_width)(图3a和b)和擦除电压脉冲幅度(P_amplitude)(图3c和d)而增加。相反，图3e-h中的编程状态电流随着编程电压P_width(图3e和f)和编程电压P_amplitude(图3g和h)增大而减小。因此，在适当的编程电压和擦除电压下均可实现PFGT的多级稳定存储状态，表明了其在人工突触中的潜在应用。

图4. 使用PFGT模拟突触特征。（a）生物突触与PFGT基人工突触器件的示意图比较，显示其工作机制的相似性。（b）施加连续擦除操作后，实现了PFGT的多级可区分电导状态(100个状态)。（c）成对脉冲促进(PPF)指数对Δt的相关性。（d）脉冲速率相关的可塑性(SRDP)对连续相同脉冲刺激频率的相关性。（e）N个突触前峰刺激时PFGT的PSC与时间的关系。

PFGT具有优异的存储性能，被用于制备人工突触器件。图4a描绘了一个生物突触，其工作原理可以用PFGT的三端晶体管来模拟。突触前在抑制性刺激时释放抑制性神经递质。然后，突触后接收抑制性突触后电流(IPSC)信号传递。同样，在兴奋性刺激时，突触前释放兴奋性神经递质，突触后接收兴奋性突触后电流(EPSC)信号传递。如图4b所示，在预期的P_amplitude和P_width下，PFGT可以获得100个准连续的多级可区分电导状态，这些电导状态可用于映射到人工突触的多级权重。如图4c所示，PFGT在具有一定时间间隔(Δt)的两个连续相同脉冲刺激下导致增强的EPSC效应，可以用来模拟PPF突触行为。PPF指数随着Δt增加呈指数衰减(图4c)。如图4d所示，连续相同脉冲的较高刺激频率导致PFGT增强的脉冲速率相关塑性(SRDP)。突触前和突触后之间的联系可以通过更高频率的脉冲集加强，从而产生更突出的SRDP。图4e显示了EPSC响应对不同数量突触前脉冲的相关性，其中突触前脉冲数量的增加会产生增强的EPSC响应。    

图5. 利用人工突触进行神经形态计算的ANN模拟。（a）施加各种增强/抑制脉冲集后PFGT的长时程增强(LTP)和长时程抑制(LTD)特性。（b）LTP 50点和LTD 50点。（c）LTP 100点和LTD 100点。（d）LTP 120点和LTD 120点。（e）|NL|(非线性度)和NS_eff(有效状态数)对脉冲数的相关性。（f）使用V_ds为0.05 V的脉冲(40 ns，-8 V)时，人工突触器件的EPSC响应。（g）用PFGTs构建的神经网络示意图和训练图像。（h）实验MLP模拟器与采用软件权重更新的理想MLP模拟器的识别精度比较。（i）ANN的输入原始图片。（j）理想MLP模拟器的突触权重成像，识别精度为98.5%。（j）实验MLP模拟器的突触权重成像，识别精度为97.3%。    

除了连续EPSCs和IPSCs的长时程可塑性外，其他重要参数，如高线性电导、低周期变化和高G_max/G_min比，对于构建具有高学习精度的ANN也是至关重要的。本文对长时程增强(LTP)和长时程抑制(LTD)的线性关系进行了优化研究。在各种技术中，增量电压脉冲方案是实现LTP/LTD高线性度的最有效方法。在本研究中，也采用增量脉冲方案来提高LTP/LTD的线性度。如图5a所示，在三种增强/抑制脉冲组合下，突触器件的LTP/LTD响应曲线表现出高度稳定和可重复性的特点。三个脉冲集的耐久性测量结果分别显示在图5b-d中，其中LTP/LTD响应保持高度一致，进一步表明突触器件具有出色的稳定性和可重复性。此外，LTP/LTD曲线的有效状态数(NS_eff)和绝对非线性度(|NL|)被广泛用于定量评估突触特性。如图5e所示，NS_eff与脉冲数呈线性关系(意味着较大的NS_eff值)，所有脉冲集的|NL|<0.03(意味着较低的|NL|值)，表明突触器件具有较高的线性权重更新行为。根据图5f，人工突触器件中单个权重更新行为的最低动态能耗低至0.0003 fJ，主要是由于40 ns的超短P_width，预测其在高能效神经形态计算系统中具有超低能耗应用潜力。此外，本文基于突触器件(PFGT)构建了用于面部识别的ANN[多层感知(MLP)模拟器](图5g)。双层神经网络由32256(168×192)个输入神经元和38个输出神经元组成。120个点的增强-抑制脉冲集可以产生112个有效状态。利用具有112种有效状态的突触器件的LTP/LTD响应曲线来模拟权重更新。如图5h所示，经过150个学习时期的训练，ANN的识别精度达到97.3%，略低于使用理想软件权重更新所达到的98.5%识别精度。本文的突触器件在识别精度和八次更新能耗方面优于大多数基于三端晶体管的突触器件。如图5i-k所示，理想MLP模拟器的突触权重映射图像(图5j)与输入的原始图像(图5i)非常相似。相比之下，实验MLP模拟器的突触权重映射图像(图5k)由于离散实验电导修正产生的相对离散权重更新行为而显得粗糙。总的来说，这些发现证实了本文的突触器件在高能效神经形态计算系统中的潜在应用。    

总结与展望

本文提出了一种基于PZT使能的MoS₂浮栅晶体管的PFGT，它可以利用负电容效应有效地克服玻尔兹曼限制。该PFGT在正向和反向扫描操作期间分别显示出了46和54 mV dec^-1的低SS值。此外，在-7~7 V的双扫描栅极电压范围内，PFGT具有7.2 V的宽存储窗口。这是由于浮栅和PZT铁电开关的协同效应增强了电荷俘获/去俘获能力，从而产生了112种可区分的电导状态。此外，PFGT被用作人工突触，其权重更新能耗较低，仅为0.0003 fJ，主要得益于PFGT的高操作速度。为了进一步减少与权重更新过程相关的能耗，可以探索一种更薄的铁电层Hf_0.5Zr_0.5O₂作为PZT的替代品。基于PFGT的人工突触被用于构建用于人脸识别的人工神经网络(ANN)，由于PFGT的112个电导状态以及与这些电导状态相关的低非线性度(<0.03)，人脸识别精度达到了97.3%。本研究通过采用铁电层使能的2D材料晶体管，为低SS晶体管和高能效神经形态计算系统的发展提供了有价值的见解。    

文献信息

PZT-Enabled MoS₂ Floating Gate Transistors: Overcoming Boltzmann Tyranny and Achieving Ultralow Energy Consumption for High-Accuracy Neuromorphic Computing

（Nano Lett., 2023, DOI:10.1021/acs.nanolett.3c02721）