高性能ReS₂電荷トラップ型シナプスデバイスが顔認識精度100%を達成

概要

シナプスデバイスは、次世代の省電力・高速ニューロモルフィックシステムの基盤です。本研究では、異方性レニウムジスルフィド（ReS₂）ベースの電荷トラップ型シナプスを作製し、長期増強（LTP）と長期抑制（LTD）を忠実に再現しました。大規模ニューラルネットワークへの適用可能性を検証するため、イェール顔データベースから120枚の画像で3層人工ニューラルネットワーク（ANN）を訓練し、未見の45枚でテストしました。ReS₂デバイスの120段階の微調整可能なコンダクタンス状態をANNの10⁵超の重みにマッピングすることで、ネットワークは100%の認識率を達成し、実用的ニューロモルフィック応用へのデバイスの可能性を実証しました。

背景

従来のフォン・ノイマン型アーキテクチャは演算とメモリを分離しており、帯域幅のボトルネックと高消費電力を招きます。一方、人間の脳は約20 Wで動作し、約10¹¹個のニューロンと約10¹⁵個のシナプスからなる高度に相互接続されたネットワークを活用しています。シナプス可塑性（シナプス重みの動的調整）が学習と記憶の中核メカニズムです。

グラフェン、遷移金属ダルコゲナイド（TMDC）、黒リンなどの二次元（2D）材料が人工シナプスのチャネル媒質として有望視されています。対称格子TMDC（MoS₂、WSe₂）が主流ですが、レニウムジスルフィド（ReS₂）は歪んだ1T構造を持ち、10層まで直接遷移バンドギャップを維持するため、作製が容易でロバストな電荷トラップを実現できます。

これまでのシナプス実証は短期可塑性に焦点が当たり、LTP/LTDを捉え、コンダクタンス状態をANN計算に統合した報告はわずかです。本研究では、LTP/LTDを模倣するだけでなく、ANN重みとして利用可能な120個の安定したコンダクタンスレベルを提供するReS₂デバイスを開発し、このギャップを埋めました。

方法

デバイススタック（図1d）は、200 nm SiO₂/Si上の70 nm ITOバックゲート、ALD成膜した12/4/4 nm Al₂O₃/ZrO₂/Al₂O₃電荷トラップ層、機械的剥離で得た約3.6 nm（≈5層）ReS₂チャネル、Ti/Auソース/ドレイン電極（10/70 nm）で構成。チャネル長1.5 µm、ReS₂結晶のb軸方向を配向（電子移動度が優れるため）。パルスバックゲート電圧でデバイスを変調し、定常0.1 Vドレイン-ソースバイアスでシナプス後電流を読み出し。

結果と考察

図2aにV_ds = 100–700 mVでオン/オフ比>10⁶を示し、20 nm ITOゲートによる強力なチャネル制御を確認。伝達特性は低V_ds領域で超線形性を示し、良好なショットキー接触を示唆。I_bgヒステリシスで3.5 Vのメモリウィンドウを観測（図2b）、ZrO₂層での効率的な電荷トラップを反映（図2c,d）。

興奮性シナプス後電流（EPSC）と抑制性シナプス後電流（IPSC）は、それぞれ−1 V/10 msと+1 V/10 msのバックゲートパルスで誘起（図3a,b）。負パルスで電子がReS₂チャネルに注入されLTP、正パルスで電子がZrO₂にトラップされLTDが発生。−2 Vパルスを1秒間隔で繰り返すと単調な電流増加が得られ（図3c,d）、複数の安定したコンダクタンス状態の生成が可能。

連続する−2 V、10 msパルスを120回印加後、デバイスは120個の線形に間隔を空けたコンダクタンスレベルを示しました（図4a）。これらは3層ANNアーキテクチャ（図4b）：入力ニューロン1024、隠れ層256、出力クラス15の>10⁵重み値に直接マッピング可能。120枚のイェール顔画像で訓練し、未見45枚でテストしたところ、600反復後に100%精度に到達（図5b）。重み分布は散在する値セットに収束し、線形変換C_j = A I_j + B（A = 1.3769×10¹⁰、B = −65.784）で120コンダクタンス状態にマッチング。これらのコンダクタンス値をANNに代入しても100%認識率が維持され、ReS₂シナプスの大規模ニューラルネットワークへの実用性が確認されました。

結論

高誘電率誘電体スタックを用いたReS₂シナプスデバイスが、信頼性高くLTPとLTDを示すことを実証。120回の周期的ゲートパルス印加で120個の明確で安定したコンダクタンス状態が得られ、>10⁵個のANN重みを置き換え、完全な顔認識精度を達成。これらの結果はReS₂をニューロモルフィックハードウェアの魅力的なプラットフォームとして確立するものです。

データおよび資料の入手可能性

著者らは、本記事に含まれるすべてのデータ、材料、プロトコルが読者に利用可能であることを確認しています。

略語

2D:

二次元

ALD:

原子層堆積

ANN:

人工ニューラルネットワーク

LTD:

長期抑制

LTP:

長期増強