第一作者: Jaeho Shin
通讯作者: Yimo Han, James M. Tour
莱斯大学、光云大学、加州大学伯克利分校
本研究采用flash-within-flash (FWF) 焦耳加热方法合成α-In₂Se₃晶体:
图1: FWF合成α-In₂Se₃及材料表征。(a)FWF合成示意图;(b)300V FWF反应电流曲线;(c)ADF-STEM图像和傅里叶变换(插图);(d)XRD谱;(e)拉曼光谱;(f)In和Se的XPS谱
分析结果: FWF方法成功合成了高结晶度的单相α-In₂Se₃。XRD结果显示所有衍射峰与六方α-In₂Se₃相(卡片号: 00-034-1279)匹配。拉曼光谱在105、181和193 cm⁻¹处显示了特征振动模式,证实了α相结构。XPS分析确认了In和Se的化学价态,且碳和氧信号可忽略不计,表明产物纯度较高。
图2: α-In₂Se₃ FET器件的电学特性。(a)光学图像;(b)器件示意图;(c)截面ADF-STEM图像;(d)不同V_G下的I_D-V_D特性;(e)不同V_G扫描范围的I_D-V_G特性;(f)保持特性;(g)不同V_D下的I_D-V_G特性;(h)不同V_G扫描范围的滞后记忆窗口;(i)耐久性特性
分析结果: α-In₂Se₃ FET器件展示了典型的n型半导体行为,开关比>10⁴。器件显示出明显的顺时针滞后现象,表明具有记忆操作能力。滞后记忆窗口可通过栅极扫描范围调节,从±10V时的7.5V到±40V时的38.5V,表明极化程度可通过电场精确控制。耐久性测试表明器件在10³次重复脉冲下保持稳定,但保持特性在10²秒后有所退化,可能与电荷移动干扰极化方向有关。
图3: α-In₂Se₃ FET器件的工作机制和人工神经形态器件特性。(a)V_G<0(极化向下)和V_G>0(极化向上)状态下的能带图;(b)不同脉冲宽度触发的突触后电流(PSC)响应;(c)不同时间间隔的重复增强脉冲触发的PSC响应;(d)不同脉冲幅度的LTP和LTD;(e)重复LTP/LTD转换;(f)(e)中第一个和最后三个周期的PSC值
分析结果: α-In₂Se₃ FS-FET器件成功实现了短期可塑性(STP)和长期可塑性(LTP)两种基本突触功能。较短的脉冲宽度(10ms)引起暂时的PSC变化(STP),而较长的脉冲宽度(1s)导致PSC持续增加(LTP)。PSC变化程度受脉冲间隔时间影响,较短间隔(0.1s)导致更大更快的PSC增加,这与生物突触中的时间总和现象类似。器件展示了可调控的LTP和LTD行为,且在4000次连续输入脉冲下保持稳定的突触功能,表明具有良好的重复性和可靠性。
图4: MNIST模式识别模拟。(a)三突触结构示意图;(b)MNIST模式识别过程的单层神经网络示意图;(c)30个学习周期的模式识别准确率;(d)训练过程后10000个测试图像的混淆矩阵
分析结果: 基于α-In₂Se₃ FS-FET器件的单层神经网络在MNIST模式识别中表现出色。随着训练周期增加,准确率逐渐收敛到约87%,接近使用数值权重(排除器件参数)的理想单层准确率约88%。不同工作电压(V_G=20,30,40V)下的分类准确率分别为86.77%、86.36%和86.02%。混淆矩阵显示,对角元素之和与全部10000张图像的比值表明识别准确率约为87%,证明基于α-In₂Se₃器件的单神经网络能够正确执行学习和识别任务。