[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN105304813A - 一种神经突触仿生器件及其制备方法 - Google Patents

一种神经突触仿生器件及其制备方法 Download PDF

Info

Publication number
CN105304813A
CN105304813A CN201510608221.1A CN201510608221A CN105304813A CN 105304813 A CN105304813 A CN 105304813A CN 201510608221 A CN201510608221 A CN 201510608221A CN 105304813 A CN105304813 A CN 105304813A
Authority
CN
China
Prior art keywords
substrate
layer
nerve synapse
oxide layer
bionical device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510608221.1A
Other languages
English (en)
Inventor
陈琳
孙清清
张卫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fudan University
Original Assignee
Fudan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fudan University filed Critical Fudan University
Priority to CN201510608221.1A priority Critical patent/CN105304813A/zh
Publication of CN105304813A publication Critical patent/CN105304813A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Electrotherapy Devices (AREA)

Abstract

本发明属于人工神经技术领域,具体为一种神经突触仿生器件及其制备方法。本发明的神经突触仿生器件包括衬底、位于衬底之上的底电极、位于底电极之上的阻变功能层、以及位于阻变功能层之上的顶电极;其中,所述电阻转变层包括上下两层氧化层、以及位于上下两层之间的金属纳米颗粒。本发明釆用柔性材料作衬底,突破了目前有关神经突触仿生器件的研究集中于硅基的忆阻器的局面,可在柔性电子设备中获得应用。在神经突触仿生器件的制备中,采用低温原子层淀积工艺生长氧化层,能够降低热预算,并能够保证器件性能。

Description

一种神经突触仿生器件及其制备方法
技术领域
本发明属于人工神经技术领域,具体涉及一种神经突触仿生器件及其制备方法,尤其涉及一种基于柔性忆阻器(Memristor)的神经突触仿生器件及其制备方法。
背景技术
人工智能计算机是一种能够动态发展、具备自主学习能力、更加接近人类大脑的计算机,其与传统计算机的构建思路不同。但到目前为止,绝大多数人工智能计算机的研究都集中在软件层面,这些软件最终的运算还是要由传统计算机用0和1来完成,本质上,它们依然没有摆脱传统计算机结构的束缚。IBM公司利用蓝色基因超级计算机来模拟猫的大脑皮层认知功能,其使用了147,456个处理器,需消耗超过2兆瓦的电力,能耗巨大。
神经突触是人脑学习和记忆的基础,因此对突触的模拟是实现人工智能的重要步骤。在以往的研究中,模拟一个神经突触就需要多个晶体管和电容,而人的大脑中神经突触的数量多达1014个,不仅功耗巨大,而且严重影响集成密度。忆阻器的电导能够随流经电荷量而发生连续变化并且其变化能够在断电之后保持,这一特性与神经突触的非线性传输特性非常相似。利用忆阻器作为神经形态电路中的神经突触有很大的应用前景。
柔性存储器件由于具有轻便、可弯曲等特点而受到广泛关注。目前有关神经突触仿生器件的研究大多集中于硅基的忆阻器,而基于柔性衬底的忆阻器神经突触仿生器件的研究几乎没有。
发明内容
本发明目的在于提供一种神经突触仿生器件及其制备方法,使得仿生芯片的功耗控制在要求的范围内,密度能与真实的大脑相媲美。
本发明利用忆阻器模拟神经突触的学习记忆功能,开发出一种能够用作神经突触仿生器件的新的材料体系,且用作神经突触仿生器件的忆阻器是基于柔性衬底的,突破了目前有关神经突触仿生器件的研究集中于硅基的忆阻器的局面,有望在柔性电子设备中获得应用。
本发明提供的神经突触仿生器件,包括:衬底、位于衬底之上的底电极层、位于底电极层之上的阻变功能层、位于阻变功能层之上的顶部电极层,所述电阻转变层包括上下两层氧化层、以及位于上下两层氧化层之间的金属纳米颗粒。
本发明中,衬底可以为本领域常用衬底,如玻璃衬底、蓝宝石衬底、石英衬底、塑料衬底、硅衬底等。优选为,所述衬底由柔性材料构成。
作为优选,所述衬底例如是由聚乙烯对苯二酸脂(PET)、聚酰亚胺、硅橡胶、聚对苯二甲酸乙二醇脂、硅树脂等有机聚合物材料或者金属陶瓷材料形成。
作为优选,所述氧化层为TiO2、Ta2O5、Al2O3、ZnO、HfO2等二元金属化合物形成。
作为优选,所述金属纳米颗粒为Ag、Au、Pt等金属。
作为优选,所述金属纳米颗粒的尺寸为40~80nm。
本发明提供的神经突触仿生器件的制备方法,具体步骤包括:衬底上形成底电极;在底电极上形成阻变功能层;以及在阻变功能层上形成顶电极。其中,形成所述组变功能层的步骤包括:形成下层氧化层;在下层氧化层上形成金属纳米颗粒;以及在金属纳米颗粒上形成上层氧化层。
本发明中,所述衬底可以为本领域常用衬底,如玻璃衬底、蓝宝石衬底、石英衬底、塑料衬底、硅衬底等。优选为,所述衬底为柔性材料。
作为优选,所述衬底选自聚乙烯对苯二酸脂(PET)、聚酰亚胺、硅橡胶、聚对苯二甲酸乙二醇脂、硅树脂等有机聚合物材料,或者金属陶瓷材料。
作为优选,所述氧化层为TiO2、Ta2O5、Al2O3、ZnO、HfO2中的一种,或其中几种的组合。
作为优选,所述金属纳米颗粒材料为Ag、Au或Pt。
作为优选,所述形成氧化层采用低温原子层淀积工艺。
作为优选,所述形成金属纳米颗粒采用旋涂的方法。
发明效果
根据本发明,可以为构建神经网络提供小尺寸、低功耗的基本单元。釆用柔性材料作衬底,突破了目前有关神经突触仿生器件的研究集中于硅基的忆阻器的局面,可在柔性电子设备中获得应用。此外,采用低温原子层淀积工艺生长氧化层,原子层淀积技术具有薄膜均匀性好,沉积厚度精确可控等优点,能降低热预算的同时,保证了器件性能,使得存储在电荷陷阱层的电荷信息不会严重泄漏。
附图说明
图1是形成底电极后的示意图。
图2是形成下层氧化层后的示意图。
图3是形成金属纳米颗粒后的示意图。
图4是形成上层氧化层后的示意图。
图5是进行光刻工艺后形成的刻蚀图形的示意图。
图6是形成顶电极后的示意图。
图7是形成神经突触仿生器件的流程图。
图8是形成阻变功能层的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。此外,本发明提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的可应用于性和/或其他材料的使用。另外,以下描述的第一特征在第二特征之“上”的结构可以包括第一和第二特征形成为直接接触的实施例,也可以包括其它特征形成在第一和第二特征之间的实施例,这样第一和第二特征可能不是直接接触。
以下,根据所附附图针对本发明所涉及的神经突触仿生器件的实施方式的一例进行说明。
根据本发明的一个实施例,提供了一种神经突触仿生器件。在图6中示出了该神经突触仿生器件的结构,包括衬底101、位于衬底之上的底电极层102、位于底电极层102之上的阻变功能层103、以及位于阻变功能层之上的顶部电极层105。所述电阻转变层包括上层氧化层1001和下层氧化层1003,以及位于上下两层之间的金属纳米颗粒1002。
优选为,衬底101为柔性衬底。更为优选为,衬底101由聚乙烯对苯二酸脂(PET)、聚酰亚胺、硅橡胶、聚对苯二甲酸乙二醇脂、硅树脂等有机聚合物材料或者金属陶瓷材料形成。
优选为,底电极102为ITO,顶电极105由TaN、TiN等材料形成。优选为氧化层1001和1003由TiO2、Ta2O5、Al2O3、ZnO、HfO2等二元金属化合物形成。优选为,所述金属纳米颗粒1002是Ag、Au、Pt等金属。优选为,金属纳米颗粒的尺寸为40~80nm。
根据本发明的另一实施例,提供了一种神经突触仿生器件的制备方法。以下按照图7中所示的制造神经突触仿生器件的各步骤以及图8中所示的形成阻变功能层的各步骤,结合图1至6,针对具体的一例进行说明。
首先,在步骤S11中,形成底电极102。衬底可以为本领域常用衬底,如玻璃衬底、蓝宝石衬底、石英衬底、塑料衬底、硅衬底或者聚萘二甲酸乙二醇酯衬底等。优选为,衬底由柔性材料构成。更优选为,例如由聚乙烯对苯二酸脂(PET)、聚酰亚胺、硅橡胶、聚对苯二甲酸乙二醇脂、硅树脂等有机聚合物材料或者金属陶瓷材料形成。作为具体的一例,如图1所示,本实施例中选用PET作为衬底101,在PET柔性衬底101上采用溶胶-凝胶旋涂法形成氧化铟锡(ITO)底电极102。厚度优选为100nm。但是,本发明不限定于此,也可以采用溅射、蒸发等多种方法形成ITO底电极。顶电极电极材料可以为Pt、Al、Au、Pd、Ni、TiN、ITO、石墨烯中的一种或其组合。釆用柔性材料作衬底,突破了目前有关神经突触仿生器件的研究集中于硅基的忆阻器的局面,有望在柔性电子设备中获得应用。
接下来,在步骤S12中,形成阻变功能层103。本实施例中阻变功能层由包括上下两层氧化层、以及位于上下两层之间的金属纳米颗粒组成。形成阻变功能层103的具体步骤为图8所示的步骤S121~S123。
在步骤S121中,形成下层氧化层1001,如图2所示。本实施例中作为具体的一例采用低温原子层淀积方法生长氧化铝作为下层氧化层1001。在温度为130℃的原子层淀积反应腔内,以三甲基铝(TMA)为铝源,以H2O为氧源,采用原子层淀积的方法在ITO底电极表面生长5nm的氧化铝层。本实施例中采用低温原子层淀积工艺生长氧化层,原子层淀积工艺具有薄膜均匀性好、沉积厚度精确可控等优点,因此能够降低热预算,并能够保证器件性能,从而使得存储在电荷陷阱层的电荷信息不会严重泄漏。但是,本发明不限定于此,也可以采用物理气象沉积、化学气象沉积、脉冲激光沉积、分子束外延等常规方法形成下层氧化层。氧化层可由TiO2、Ta2O5、Al2O3、ZnO、HfO2等金属氧化物形成。氧化层厚度优选为5~10nm,生长温度可以为60~130℃。
在步骤S122中,形成金属纳米颗粒1002,如图3所示。采用旋涂的方法在氧化铝表面形成纳米银颗粒。作为具体的一例,首先将约10滴纳米银溶液滴在样品上,以1000rpm的转速旋转40s,再将样品置于50℃热盘上烘干。重复上述过程,循环悬涂3次。但是,本发明不限定于此,例如,可以采用本领域公知方法形成金属纳米颗粒。采用柔性衬底的情况下,因其不耐高温,优选采用悬涂方法形成金属纳米颗粒。金属纳米颗粒可以为Ag、Au、Pt等金属。金属纳米颗粒的尺寸优选为40-80nm。
在步骤S123中,形成上层氧化层1003,如图4所示。在温度为130℃的原子层淀积反应腔内,以二乙基锌(DEZ)为锌源,以H2O为氧源,采用原子层淀积的方法在ITO底电极表面生长5nm的氧化锌。但是,也可以采用物理气象沉积、化学气象沉积、脉冲激光沉积、分子束外延等常规方法形成下层氧化层1003。氧化层可由TiO2、Ta2O5、Al2O3、ZnO、HfO2等金属氧化物形成。氧化层厚度优选为5~10nm,生长温度可以为60~130℃。
最后,在步骤S13中,形成顶电极105。在上述步骤所形成结构的上采用常规工艺如涂覆光刻胶、掩膜、曝光进行光刻工艺形成刻蚀图形104,如图5所示。采用物理气相沉积方法淀积60nmTaN电极层,并进行光刻胶剥离,形成顶电极105,如图6所示。但是,本发明不限定于此,顶电极电极材料可以为Pt、Al、Au、Pd、Ni、TiN、ITO、石墨烯中的一种或其组合。也可以采用溅射、蒸发等多种方法形成顶电极。电极层的厚度优选为50nm~100nm。
根据本发明可模拟神经突触的学习与记忆功能功能的,从而实现人工神经领域的应用。本发明的全碳基神经突触仿生器件,顶部电极阵列可视为人工神经网络的突触前膜,底电极阵列可视为人工神经网络的突触后膜。通过对器件两个端口施加电学刺激,可以很好的实现人工神经网络的放电时间依赖可塑性(STDP):当顶部电极(突触前膜)受到的刺激早于底电极(突触后膜),出现突触的长时程增强(LTP),反之,会出现突触的长时程抑制(LTD)。
以上,针对本发明的神经突触仿生器件及其制备方法进行了详细地说明,但本发明不限于以上的例子,在不脱离本发明的要旨的范围中,当然也可以进行各种的改良、变形。

Claims (10)

1.一种神经突触仿生器件,包括衬底、位于衬底之上的底电极、位于底电极之上的阻变功能层,以及位于阻变功能层之上的顶电极,其特征在于,所述电阻转变层包括上下两层氧化层、以及位于上下两层氧化层之间的金属纳米颗粒。
2.根据权利要求1所述的神经突触仿生器件,其特征在于,所述衬底为柔性衬底。
3.根据权利要求2所述的神经突触仿生器件,其特征在于,所述衬底由聚乙烯对苯二酸脂、聚酰亚胺、硅橡胶、聚对苯二甲酸乙二醇脂或硅树脂有机聚合物材料,或者金属陶瓷材料形成。
4.根据权利要求1~3中任一项所述的神经突触仿生器件,其特征在于,所述氧化层为TiO2、Ta2O5、Al2O3、HfO2中的一种,或其中几种的组合。
5.根据权利要求1~3中任一项所述的神经突触仿生器件,其特征在于,所述金属纳米颗粒为Ag、Au或Pt。
6.根据权利要求1~3中任一项所述的神经突触仿生器件,其特征在于,所述金属纳米颗粒的尺寸为40~80nm。
7.一种神经突触仿生器件的制备方法,包括,在柔性衬底上形成底电极,在底电极上形成阻变功能层,在阻变功能层上形成顶电极,其特征在于,形成所述组变功能层的步骤包括:
形成下层氧化层;
在下层氧化层上形成金属纳米颗粒;
在金属纳米颗粒上形成上层氧化层。
8.根据权利要求7所述的神经突触仿生器件的制备方法,其特征在于,所述衬底为柔性衬底。
9.根据权利要求7或8所述的神经突触仿生器件制备方法,其特征在于,采用低温原子层淀积工艺形成所述氧化层。
10.根据权利要求7或8所述的神经突触仿生器件制备方法,其特征在于,采用旋涂方法形成所述金属纳米颗粒。
CN201510608221.1A 2015-09-23 2015-09-23 一种神经突触仿生器件及其制备方法 Pending CN105304813A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510608221.1A CN105304813A (zh) 2015-09-23 2015-09-23 一种神经突触仿生器件及其制备方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510608221.1A CN105304813A (zh) 2015-09-23 2015-09-23 一种神经突触仿生器件及其制备方法

Publications (1)

Publication Number Publication Date
CN105304813A true CN105304813A (zh) 2016-02-03

Family

ID=55201808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510608221.1A Pending CN105304813A (zh) 2015-09-23 2015-09-23 一种神经突触仿生器件及其制备方法

Country Status (1)

Country Link
CN (1) CN105304813A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106654006A (zh) * 2016-11-10 2017-05-10 河北大学 一种基于SiO2神经仿生层的神经仿生器件及其制备方法
CN107123735A (zh) * 2017-05-05 2017-09-01 福州大学 一种低功耗柔性透明电子突触器件及其制备方法
CN107681048A (zh) * 2017-09-01 2018-02-09 河北大学 一种具有神经仿生功能的忆阻器及制备方法和应用
CN107681049A (zh) * 2017-09-01 2018-02-09 河北大学 一种避免误读的阻变存储器及制备方法
CN109473547A (zh) * 2018-10-29 2019-03-15 江苏师范大学 一种柔性突触仿生器件及其制备方法
CN110534641A (zh) * 2018-05-24 2019-12-03 东北师范大学 一种基于弹性聚合物作为活性层的可拉伸忆阻器及其制备方法与应用
KR102116574B1 (ko) * 2018-12-07 2020-05-28 광운대학교 산학협력단 에어로졸 증착 공정을 사용한 유연 저항 변이 전자소자와 그 방법
CN111208315A (zh) * 2020-02-24 2020-05-29 吉林大学 一种仿生毛状气流流速传感器及其制备方法
CN111208316A (zh) * 2020-02-24 2020-05-29 吉林大学 一种仿生气流全向感知柔性传感器及其制备方法
CN111628077A (zh) * 2020-06-05 2020-09-04 福州大学 一种银纳米颗粒修饰的电子突触器件
CN112563417A (zh) * 2020-12-08 2021-03-26 华中科技大学 一种仿神经突触器件及其制备方法
CN112599664A (zh) * 2020-11-25 2021-04-02 南京大学 一种模拟神经突触的超低能耗柔性薄膜忆阻器及其制备方法
CN112794279A (zh) * 2019-11-13 2021-05-14 中国科学院苏州纳米技术与纳米仿生研究所 人工突触器件和人工突触器件的制备方法
CN112909166A (zh) * 2021-01-26 2021-06-04 天津理工大学 一种基于高分子电解质双层结构的神经突触仿生器件
CN113224236A (zh) * 2021-05-11 2021-08-06 山东大学 一种透明的双层结构忆阻器及其制备方法
CN113488587A (zh) * 2021-03-26 2021-10-08 黑龙江大学 一种基于银和氧化石墨烯的crs阻变存储器及其制备方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1953230A (zh) * 2005-10-21 2007-04-25 三星电子株式会社 包括纳米点的非易失性存储器件及其制造方法
CN102097586A (zh) * 2010-11-29 2011-06-15 复旦大学 基于全低温工艺的柔性纳米点阻变存储器及其制造方法
CN103474572A (zh) * 2013-09-28 2013-12-25 复旦大学 一种基于柔性衬底的具有crs行为的阻变存储器及其制备方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1953230A (zh) * 2005-10-21 2007-04-25 三星电子株式会社 包括纳米点的非易失性存储器件及其制造方法
CN102097586A (zh) * 2010-11-29 2011-06-15 复旦大学 基于全低温工艺的柔性纳米点阻变存储器及其制造方法
CN103474572A (zh) * 2013-09-28 2013-12-25 复旦大学 一种基于柔性衬底的具有crs行为的阻变存储器及其制备方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘益春等: "基于忆阻器的神经突触仿生器件研究", 《科学》 *
孟凡一等: "一种改进的WOx忆阻器模型及其突触特性分析", 《物理学报》 *
张超超等: "忆阻器在神经突触仿生中的应用研究进展", 《材料导报A:综述篇》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106654006A (zh) * 2016-11-10 2017-05-10 河北大学 一种基于SiO2神经仿生层的神经仿生器件及其制备方法
CN106654006B (zh) * 2016-11-10 2019-01-25 河北大学 一种基于SiO2神经仿生层的神经仿生器件及其制备方法
CN107123735A (zh) * 2017-05-05 2017-09-01 福州大学 一种低功耗柔性透明电子突触器件及其制备方法
CN107681048A (zh) * 2017-09-01 2018-02-09 河北大学 一种具有神经仿生功能的忆阻器及制备方法和应用
CN107681049A (zh) * 2017-09-01 2018-02-09 河北大学 一种避免误读的阻变存储器及制备方法
CN110534641A (zh) * 2018-05-24 2019-12-03 东北师范大学 一种基于弹性聚合物作为活性层的可拉伸忆阻器及其制备方法与应用
CN110534641B (zh) * 2018-05-24 2022-09-16 东北师范大学 一种基于弹性聚合物作为活性层的可拉伸忆阻器及其制备方法与应用
CN109473547A (zh) * 2018-10-29 2019-03-15 江苏师范大学 一种柔性突触仿生器件及其制备方法
CN109473547B (zh) * 2018-10-29 2022-03-15 江苏师范大学 一种柔性突触仿生器件及其制备方法
KR102116574B1 (ko) * 2018-12-07 2020-05-28 광운대학교 산학협력단 에어로졸 증착 공정을 사용한 유연 저항 변이 전자소자와 그 방법
CN112794279A (zh) * 2019-11-13 2021-05-14 中国科学院苏州纳米技术与纳米仿生研究所 人工突触器件和人工突触器件的制备方法
CN111208315A (zh) * 2020-02-24 2020-05-29 吉林大学 一种仿生毛状气流流速传感器及其制备方法
CN111208316A (zh) * 2020-02-24 2020-05-29 吉林大学 一种仿生气流全向感知柔性传感器及其制备方法
CN111628077A (zh) * 2020-06-05 2020-09-04 福州大学 一种银纳米颗粒修饰的电子突触器件
CN112599664A (zh) * 2020-11-25 2021-04-02 南京大学 一种模拟神经突触的超低能耗柔性薄膜忆阻器及其制备方法
CN112599664B (zh) * 2020-11-25 2023-09-22 南京大学 一种模拟神经突触的超低能耗柔性薄膜忆阻器及其制备方法
CN112563417A (zh) * 2020-12-08 2021-03-26 华中科技大学 一种仿神经突触器件及其制备方法
CN112909166A (zh) * 2021-01-26 2021-06-04 天津理工大学 一种基于高分子电解质双层结构的神经突触仿生器件
CN113488587A (zh) * 2021-03-26 2021-10-08 黑龙江大学 一种基于银和氧化石墨烯的crs阻变存储器及其制备方法
CN113224236A (zh) * 2021-05-11 2021-08-06 山东大学 一种透明的双层结构忆阻器及其制备方法

Similar Documents

Publication Publication Date Title
CN105304813A (zh) 一种神经突触仿生器件及其制备方法
Rahmani et al. Effect of interlayer on resistive switching properties of SnO2-based memristor for synaptic application
Seo et al. Analog memory and spike-timing-dependent plasticity characteristics of a nanoscale titanium oxide bilayer resistive switching device
Yan et al. Memristor with Ag‐cluster‐doped TiO2 films as artificial synapse for neuroinspired computing
Ismail et al. Controllable analog resistive switching and synaptic characteristics in ZrO2/ZTO bilayer memristive device for neuromorphic systems
Kuzum et al. Nanoelectronic programmable synapses based on phase change materials for brain-inspired computing
Indiveri et al. Integration of nanoscale memristor synapses in neuromorphic computing architectures
Wang et al. Flexible ZnO Nanosheet‐Based Artificial Synapses Prepared by Low‐Temperature Process for High Recognition Accuracy Neuromorphic Computing
John et al. Optogenetics inspired transition metal dichalcogenide neuristors for in-memory deep recurrent neural networks
Hansen et al. Unsupervised Hebbian learning experimentally realized with analogue memristive crossbar arrays
CN106098932A (zh) 一种线性缓变忆阻器及其制备方法
Zhang et al. A self-rectifying synaptic memristor array with ultrahigh weight potentiation linearity for a self-organizing-map neural network
CN112542515A (zh) 一种光电调控神经突触晶体管及其制备方法
Zhang et al. Synaptic behaviors in flexible Au/WOx/Pt/mica memristor for neuromorphic computing system
CN106299114A (zh) 一种忆阻器
Tan et al. Perspective: Uniform switching of artificial synapses for large-scale neuromorphic arrays
Zhang et al. Research on Pt/NiO x/WO3–x: Ti/W Multijunction Memristors with Synaptic Learning and Memory Functions
Ahmed Bio-inspired artificial synapses: Neuromorphic computing chip engineering with soft biomaterials
Zhao et al. An artificial optoelectronic synapse based on MoO x film
Gawai et al. Oxygen vacancies controlled highly stable bilayer analog synapse used for neuromorphic computing systems
Silva et al. Perspective: Zinc‐Tin Oxide Based Memristors for Sustainable and Flexible In‐Memory Computing Edge Devices
Lu et al. Novel three-dimensional artificial neural network based on an eight-layer vertical memristor with an ultrahigh rectify ratio (> 107) and an ultrahigh nonlinearity (> 105) for neuromorphic computing
CN112864164B (zh) 三端人工光学突触及其制备方法
Zhang et al. A quantized convolutional neural network implemented with memristor for image denoising and recognition
Ni et al. E-Synapse Based on Lead-Free Organic Halide Perovskite (CH 3 NH 3) 3 Sb 2 Cl 9 for Neuromorphic Computing

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160203

RJ01 Rejection of invention patent application after publication