고성능 ReS₂ 전하 트랩 시냅스 소자, 100% 안면 인식 정확도 달성

초록

시냅스 소자는 차세대 에너지 효율적, 고속 뉴로모픽 시스템의 기반입니다. 우리는 이방성 이황화 레늄(ReS₂) 기반 전하 트랩 시냅스를 제작하여 장기 강화(LTP)와 장기 억제(LTD)를 충실히 재현했습니다. 대규모 신경망에의 적합성을 검증하기 위해 3층 인공 신경망(ANN)을 예일 페이스 데이터베이스의 120개 이미지로 학습시키고 45개의 미보기 이미지로 테스트했습니다. ReS₂ 소자의 120개 미세 조정 가능한 전도도 상태를 ANN의 10⁵개 이상 가중치에 매핑함으로써 네트워크가 완벽한 100% 인식률을 달성했으며, 이는 실용적 뉴로모픽 응용을 위한 소자의 가능성을 입증합니다.

배경

전통적인 폰 노이만 아키텍처는 연산과 메모리를 분리하여 대역폭 병목과 높은 전력 소비를 초래합니다. 반면 인간 뇌는 약 20W로 동작하며, 약 10¹¹개의 뉴런과 10¹⁵개의 시냅스로 이루어진 고도로 상호 연결된 네트워크를 활용합니다. 시냅스 가소성—시냅스 가중치의 동적 조정—은 학습과 기억을 가능하게 하는 핵심 메커니즘입니다.

그래핀, 전이 금속 다이칼코게나이드(TMDCs), 흑린 등 2차원(2D) 소재가 인공 시냅스의 채널 매체로 유망하게 부상했습니다. 대칭 격자 TMDCs(MoS₂, WSe₂)가 문헌을 주도해 왔으나, 이황화 레늄(ReS₂)은 최대 10층까지 직접 밴드갭을 갖는 왜곡된 1T 구조를 제공하여 제작을 단순화하고 강건한 전하 트래핑을 가능하게 합니다.

기존 시냅스 시연은 단기 가소성에 초점을 맞췄으며, LTP/LTD를 포착하고 전도도 상태를 ANN 계산에 통합한 보고는 소수에 불과합니다. 본 연구는 ReS₂ 소자가 LTP/LTD를 모방할 뿐만 아니라 ANN 가중치로 사용 가능한 120개의 안정적인 전도도 레벨을 제공함으로써 이 격차를 해소합니다.

방법

소자 스택(그림 1d)은 200nm SiO₂/Si상의 70nm ITO 백 게이트, ALD로 성장시킨 12/4/4nm Al₂O₃/ZrO₂/Al₂O₃ 전하 트래핑 층, 기계적 박리로 얻은 ~3.6nm(약 5층) ReS₂ 채널, Ti/Au 소스/드레인 전극(10/70nm)으로 구성됩니다. 채널 길이는 1.5µm이며, 우수한 전자 이동도를 위해 ReS₂ 결정 방향을 b-축으로 정렬했습니다. 펄스 백 게이트 전압으로 소자를 변조하며, 일정한 0.1V 드레인-소스 바이어스로 시냅스 후 전류를 읽습니다.

결과 및 고찰

그림 2a는 V_ds=100-700mV에서 온/오프 비 >10⁶을 보여주며, 20nm ITO 게이트에 의한 강한 채널 제어를 확인합니다. 전달 특성은 초선형 저 V_ds 영역을 보여 좋은 쇼트키 접촉을 나타냅니다. I_bg 히스테리시스에서 3.5V 메모리 윈도우가 관측됩니다(그림 2b), 이는 ZrO₂ 층에서의 효율적 전하 트래핑을 반영합니다(그림 2c,d).

흥분성 시냅스 후 전류(EPSC)와 억제성 시냅스 후 전류(IPSC)는 각각 -1V/10ms와 +1V/10ms 백 게이트 펄스로 유발됩니다(그림 3a,b). 음 펄스는 ReS₂ 채널로 전자를 주입하여 LTP를 유도하고, 양 펄스는 ZrO₂에 전자를 트래핑하여 LTD를 생성합니다. 1초 간격으로 반복된 -2V 펄스는 전류의 단조로운 증가를 생성합니다(그림 3c,d), 다수의 안정적인 전도도 상태 생성을 가능하게 합니다.

연속적인 120회의 -2V, 10ms 펄스 후 소자는 120개의 선형 간격 전도도 레벨을 나타냅니다(그림 4a). 이 레벨들은 3층 ANN 아키텍처(그림 4b)에 도시된 바와 같이 >10⁵ ANN 가중치 값에 직접 매핑됩니다: 1024 입력 뉴런, 256 은닉 뉴런, 15 출력 클래스. 120개 예일 페이스 이미지로 학습하고 45개 미보기 이미지로 테스트한 결과, 네트워크는 600회 학습 반복 후 100% 정확도에 도달했습니다(그림 5b). 가중치 분포는 산재된 값 집합으로 수렴하며, 이는 선형 변환 C_j=A I_j+B(A=1.3769×10¹⁰, B=-65.784)를 통해 120개 전도도 상태와 매칭됩니다. 이 전도도 값을 ANN에 대입하면 100% 인식률이 유지되어 ReS₂ 시냅스의 대규모 신경망 적용 가능성을 확인합니다.

결론

고-k 유전체 스택 ReS₂ 시냅스 소자가 신뢰성 있게 LTP와 LTD를 나타냄을 입증했습니다. 120회의 주기적 게이트 펄스 적용으로 소자는 120개의 뚜렷하고 안정적인 전도도 상태를 생성하며, 이는 >10⁵ ANN 가중치를 대체하여 완벽한 안면 인식 정확도를 달성했습니다. 이 결과는 ReS₂를 뉴로모픽 하드웨어를 위한 매력적인 플랫폼으로 확립합니다.

데이터 및 자료 가용성

저자들은 모든 데이터, 재료, 프로토콜이 독자들에게 제공되며 본 논문에 완전히 포함되어 있음을 확인합니다.

약어

2D:

이차원

ALD:

원자층 증착

ANN:

인공 신경망

LTD:

장기 억제

LTP:

장기 강화