近年来，随着半导体工艺更新放缓，基于传统冯诺依曼架构的计算机在计算能力提升上遇到了瓶颈。然而，大数据时代的到来和人工智能技术的飞速发展，使得人们对于新计算能力的增长产生了非常迫切的需求。类脑计算基于对大脑处理信息模式的模仿，希望通过打破现有的存算分离架构，从根本上提升计算能力和处理速度。正如硅与晶体管之于计算机一样，类脑计算也必须要建立在坚实的硬件基础之上。很多研究工作证明，现有基于传统CMOS的集成电路很难支撑大规模的类脑计算。因此，该领域目前的研究热点之一就是寻找合适的材料体系，研发满足类脑计算要求的器件结构与电路。
S型负微分电阻（S-type negative differential resistance，S-type NDR）是一种当通过器件电流增加时，其两端的电压不增反减的非线性电学现象。该现象可以被应用在振荡器和放大器之中，也可以作为选择器嵌入忆阻器阵列之中来减小电路漏电流，提升忆阻器性能。最新的研究表明，S-type NDR在类脑计算领域也有着广阔的应用前景：基于S-type NDR的器件可以模拟神经元的动作电位发放与震荡行为，实现模仿大脑的信号处理。与基于晶体管的集成电路相比，该类器件可以减少电子元件，简化电路设计，提高神经元的集成密度，有助于实现大规模的类脑计算。然而，S-type NRD现象的出现多依赖于材料本身的特殊属性，缺乏普适性机制，只能在少数材料中实现，难以推广，从而限制了其进一步的应用。也有相关研究提出了一种基于热反馈的S-type NDR机制，但是只能在NbOX材料体系中予以验证。
基于此，南京大学物理学院缪峰教授课题组将目光转向了过渡金属硫族化合物层状材料（transition metal dichalcogenides，TMDs），制备了基于金属/硫化钼/金属的垂直结构器件，并在该器件中发现了S-type NDR现象。进一步研究证明，NDR现象在过渡金属硫族化合物体系（WS2，WSe2，MoSe2）当中广泛存在。该课题组采用变温的手段探索了普适性NDR出现的原因。实验结果显示，在环境温度超过约205oC时，NDR现象会消失。结合物理建模和理论分析，缪峰课题组将该现象在TMDs中的普适性与热反馈机制联系起来，认为TMDs材料体系中的热导参数与电学输运特性是热反馈机制发挥作用的基础。随后，为了展示基于TMDs的S-type NRD器件在未来类脑计算中的应用潜力，课题组基于NDR器件与电容的并联电路，实现了对神经元动作电位发放和震荡的电学模拟。
这项工作证明了基于热反馈机制的S-type NDR现象存在于各类过渡金属硫族化合物材料中。垂直的结构使得该类器件在集成上具有天然的优势，丰富的信号处理功能和模拟神经元的能力也突显了其重要的应用潜力。该工作通讯作者是南京大学缪峰教授与梁世军副研究员。
相关结果发表在Advanced Electronic Materials（DOI：10.1002/aelm.201800853）上。
来源：MaterialsViews
|
京公网安备