利用1T1C FeFET-电容结构实现膜电位的硬件仿真，以应用于类脑计算

《IEEE Transactions on Electron Devices》：Hardware Emulation of Membrane Potential Using a 1T1C FeFET–Capacitor Structure for Neuromorphic Applications

基于FeFET-电容1T1C结构的神经突触器件设计及其能效优化研究，通过实验建模和电路仿真验证了该结构可模拟生物神经元动态膜电位变化，在MNIST图像分类中达到95.5%准确率，并估算出纳米级制程下的超低能耗特性。

　　

摘要：

随着对人工智能（AI）高密度实现和低功耗运行的需求不断增加，传统冯·诺伊曼架构的固有局限性逐渐显现，这使得开发节能的突触设备成为神经形态系统中的一个关键问题。在本研究中，提出了一种基于1T1C结构的新突触架构，其中铁电场效应晶体管（FeFET）与电容器串联连接，通过电路级集成实现了类似于生物神经元膜电位的模拟响应。实验测量并模拟了FeFET的传输特性，电路仿真再现了神经网络结构下的动态膜电位变化（使用196个单元（输入到隐藏层）和80个单元（隐藏层到输出层））。通过进化符号回归，推导出了一个数学模型，该模型将ΔV_mem表示为ΣG和先前膜电位的函数。在脉冲神经网络（SNN）中实现该模型后，MNIST图像分类的准确率达到95.5%。进一步估计，该突触电路的能耗为239 nJ/次推理操作，将器件尺寸缩小到100纳米级别后，能耗可降至3.74 pJ/次推理操作。这些发现表明所提出方法在超低功耗运行方面具有极高的潜力，说明FeFET-电容器1T1C结构是一种适用于高密度神经形态系统和边缘AI应用的有前景的突触设备架构。