[发明专利]用于人工神经网络中的O-Ti-Sb-Te基突触仿生器件

说明书

本发明公开用于人工神经网络中的O‑Ti‑Sb‑Te基突触仿生器件。O‑Ti‑Sb‑Te材料作为突触仿生器件中的存储介质，可以在电信号作用下实现多态阻值之间的转换。基于O‑Ti‑Sb‑Te系列相变材料的突触仿生器件在电信号的操作下，其中间态电阻值能提供接近8比特的分辨率，开关电阻差异达到100倍，在相同脉冲操作下实现了电阻对脉冲个数的线性响应，具备作为突触仿生器件的优秀的电学性质。

技术领域

本发明涉及半导体制造材料及半导体器件领域，具体涉及一种用于制造人工神经网络中突触仿生器件的存储介质材料及其器件。

背景技术

人工神经网络(Artificial Neural Network，即ANN)，是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

最近十多年来，人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。

人工神经网络的特点和优越性，主要表现在三个方面：

第一，具有自学习功能。例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，其应用前途是很远大的。

第二，具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。

第三，具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。

人工神经网络数目最多的基本单元----突触器件,用于连接神经元器件，其性能直接影响到人工神经网络处理的效率和准确性。现有的突触器件主要分为以下两大类：1、基于CMOS(互补金属氧化物半导体)的突触器件，例如现在常用的SRAM(静态随机存取存储器)，由于其单个器件所占面积大，需要至少八个SRAM来组成一个突触器件，导致人工神经网络难以达到高密度，阻碍了人工神经网络向人脑性能的靠近。2、基于非易失性存储器的突触器件可以在单个器件中存储多个状态，一个存储单元就能实现突触功能，大大降低了突触器件的面积，提高了密度，是现在人工神经网络的发展方向。但是限制现在应用非易失性存储器的人工神经网络表现的因素是突触器件的电阻对脉冲数目的线性变化差，比特分辨率低，高低电阻差异过大或者过小。本发明通过优化突触器件中的存储介质，提高了突触器件的表现，非常具有应用前景。

发明内容

本发明的目的是针对现有技术的不足，提供一种适合用于制造突触器件的一系列O_x(TiSb_yTe_z)_100-x信息存储材料。

本发明用于制备突触仿生器件的存储介质，是由O，Ti，Sb，Te元素组成的O_x(TiSb_yTe_z)_100-x材料；其中3≤x≤10，0.25≤y/z≤4，12≤y+z≤50。