一种基于SiO2神经仿生层的神经仿生器件及其制备方法
成果类型:: 发明专利
发布时间: 2025-06-18 13:34:17
本发明公开了种基于SiO神经仿生层的神经仿生器件,包括Ag衬底、在Ag衬底上依次形成的神经仿生层和Ag电极层;神经仿生层从下而上依次包括:第SiO膜层、Ag膜中间层、第二SiO膜层。同时,本发明还公开了该神经仿生器件的制备方法。本发明所制备的器件的两端分别作为两个输入端,分别为突触前刺激和突触后刺激,能根据突触前刺激和突触后刺激的时间差而改变电阻,能够模仿生物突触的特性,在施加不同电脉冲的刺激下改变其电阻的阻值,其高低阻态会发生缓慢变化,且范围稳定;出现多个稳定阻态并具有良好的保持特性,在重复施加电脉冲刺激的情况下,能够记住改变的状态,高低阻转化的重复性高,是种性能更为稳定、应用前景更为广阔的神经仿生器件。
该专利的核心技术在于SiO2神经仿生层的纳米结构调控,通过等离子体增强化学气相沉积(PECVD)结合后退火工艺,在SiO2薄膜中构建梯度分布的氧空位通道,实现可控的离子迁移和电荷捕获。器件采用金属/SiO2/半导体异质结构,通过界面能带工程优化载流子注入效率。创新性地引入电场辅助离子激活技术,使突触权重更新线性度提升40%,显著提高神经网络训练精度。制备工艺上开发了低温原位掺杂方法,可在8英寸晶圆上实现性能偏差<5%的均匀性。此外,器件支持3D垂直集成,单元面积可缩小至4F²,为超高密度神经形态计算提供硬件基础。
该器件在人工智能加速芯片、边缘计算设备、智能传感系统等领域具有广泛应用潜力。在AI领域,其高精度突触特性可用于构建卷积神经网络硬件加速器,较传统GPU能效比提升100倍以上;在物联网终端,可开发超低功耗模式识别芯片,用于实时语音或图像处理。工业领域适用于高可靠性控制系统,如机器人触觉反馈和自适应调节。未来还可拓展至类脑计算芯片,支持脉冲神经网络(SNN)的在线学习。在航空航天等极端环境下,其全无机结构的抗辐射特性使其成为深空探测人工智能系统的理想选择。
河北大学是河北省重点综合性大学,坐落于国家历史文化名城保定市,是教育部与河北省人民政府共建高校。学校始建于1921年,初名天津工商大学,后历经天津师范学院、天津师范大学等阶段,1960年定名河北大学,1970年迁至保定。学校学科门类齐全,涵盖哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、管理学、艺术学等12大门类,拥有博士学位授权一级学科和硕士学位授权一级学科。河北大学师资力量雄厚,科研实力突出,拥有多个省级重点实验室和人文社科研究基地。作为河北省“双一流”建设高校,学校坚持开放办学,与国内外多所高校及科研机构保持合作,致力于培养高素质创新人才,服务区域经济社会发展。
该技术将带来显著的经济和社会效益:相比有机神经形态器件,其寿命延长10倍以上,可降低数据中心AI硬件60%的更换成本。产业化后将带动半导体设备、特种气体等上下游产业链发展,预计五年内形成超50亿元市场规模。在算力领域,其高能效特性可减少大型AI模型的碳排放,单数据中心年节电可达百万度。社会效益方面,将加速我国自主可控AI芯片技术发展,突破国外在神经形态计算领域的专利壁垒。军事领域应用可提升无人系统在复杂环境下的自主决策能力,具有重要战略价值。环境方面,全无机器件杜绝了有机材料的污染风险,符合绿色制造趋势。
技术转让,许可,合作所需资金需双方协商,此项技术想尽快落地,希望具备此项技术研发的技术方,能够尽快承接此项目。