小型台式无掩膜直写光刻系统助力一篇Science子刊！人工神经网络芯片领域新成果
发布日期：2023-09-04
论文题目：An artificial neural network chip based on two-dimensional Semiconductor
发表期刊：Science Bulletin. IF:18.9
DOI：https://doi.org/10.1016/j.scib.2021.10.005
前言
近年来，人工神经网络在图像处理和感知识别等方面有着越来越多的应用，将传感器和信号处理器集成到一颗芯片中可以有效提高信号处理的速度和效率。具有原子级厚度和丰富能带结构的二维半导体材料非常适用于人工神经网络（ANN）芯片的制备。二维半导体材料直接生长于硅基底绝缘体上，相应的器件具有低的栅诱导漏极泄漏电流，器件的能耗相对较低，所制备的芯片在动态随机存取存储器件（DRAM）的数据刷新频率也相对较低。与传统的互补金属氧化物半导体器件相比，基于MoS2的晶体管，有较高的信噪比，并更适用于矩阵计算。因此，二维半导体材料在人工神经网络（ANN）芯片的制备领域也越来越凸显其重要性。
案例概述
近日，复旦大学课题组，通过后栅极工艺（gate-last processing）在晶圆尺寸上制备了MoS2材料，并制备了可用于智能感知的人工神经网络（ANN）芯片。在经过后续训练后，芯片对触觉书写字母识别率可高达97%。文中的芯片制备使用的是小型台式无掩膜直写光刻系统- MicroWriter ML3，该设备具有结构小巧紧凑(70cm x 70cm x 70cm)、无需掩膜版、高直写速度以及高分辨率等特点，是低成本开发各类微纳器件的利器。除此之外，设备特有的精准套刻功能和虚拟掩膜系统为本工作中芯片的成功制备提供了重要基础。该工作以An artificial neural network chip based on two-dimensional semiconductor为题，在SCI期刊Science Bulletin上发表。
小型台式无掩膜直写光刻系统- MicroWriter ML3
图文导读
图1. 使用MoS2制备人工神经网络芯片图示。（a）生物神经元的数学类比。（b）基于MoS2人工神经元的示意图。（c）人工神经芯片数据处理示意图。（d）由MicroWriter ML3所制备的人工神经网络芯片光学放大图。（e）基于MoS2的人工神经网络芯片示意图。
图2. 基于MoS2晶圆尺寸器件和乘法和累加的工作原理。（a）用化学气相沉积法制备的2英寸MoS2样品。（b）MoS2器件结构示意图。（c-d）49个FETs的传输特性测试和模拟图。（e）乘法器单元示意图。（f）乘法器中的ID，VG1和VG2的三者间的关系图。（g）图的上半部分显示了具有并联多分枝双栅极FETs器件，下图为相应的示意图。（h）乘法器分支数量和总电流关系图。（i）乘法和累加的工作原理示意图。
图3. 支持人工神经芯片的外围电路。（a）具有一个神经突触的累神经元MoS2电路。（b）拥有多分枝乘法和累加器和一个模拟随机存取存储器的器件的光学照片。（c）1T（晶体管）-1C(电容器)单元的读写过程。（d）用电容控制晶体管（T2）的电流Id随时间的变化。（e）Vout和Vin的模拟（上部图）和实验结果（下部图）。
图4. 用接触感知测试人工神经网络芯片。（a）人体感知触摸的示意图。（b）训练后，不同字母在器件不同位置引起的电流的变化。（c）23次训练后输入和输出的权重。（d）均方差随着训练次数的变化。（e）训练次数和识别率的关系图。
结论
复旦课题组通过化学气相沉积法制备了晶圆尺寸的MoS2材料，通过小型台式无掩膜直写光刻系统- MicroWriter ML3制备了基于MoS2材料的人工神经芯片，所制备的芯片经过训练后，可以精确识别手写字母。该工作优化了基于MoS2芯片的构架，提升了计算能力，为人工神经芯片领域的发展起到推动作用。
参考文献
[1]. An artificial neural network chip based on two-dimensional semiconductor. Shunli Ma, Tianxiang Wu, Xinyu Chen, et al. Science Bulletin(2021)
