氧空位调控VO2用于神经元与脉冲神经网络构建

人工神经元器件是受真实大脑仿真驱动的神经形态计算系统的基本构建模块。针对这些应用，人们提出了各种器件概念来模拟神经元的动力学和功能。然而迄今为止，兼具高效率、高稳定性和低功耗的人工神经元器件仍远未达到实际应用水平。由于特殊的绝缘体-金属相变特性，二氧化钒（VO2）被认为是制造神经元器件的理想候选者。然而，其本征绝缘态要求VO2神经元器件在大偏置电压下工作，导致高功耗和低频率。因此在当前研究中，我们通过制备氧空位调控的VO2薄膜（VO2-x）并制造VO2-x神经元器件来构建脉冲神经网络（SNN），从而解决了这一挑战。结果表明，该神经元器件可在更低电压下工作，且处理速度得到提升。所提出的基于VO2-x的反向传播SNN（BP-SNN）系统使用MNIST数据集进行训练，在图像识别中展现出优异的准确率。我们的研究不仅展示了用于实际应用的基于VO2-x的神经元和SNN系统，还提供了一种通过缺陷工程策略优化未来神经形态计算系统的有效途径。