基于二维材料异质结构的神经形态与仿生器件研究

发布时间：2024-04-20 01:35

　　现代信息技术的发展紧密依赖半导体制造、大规模集成电路和计算机架构的进步。然而,随着大数据时代的到来,与人工神经网络的兴起,原有的半导体器件、电路设计和计算架构均受到了巨大的冲击。从向人脑学习出发,神经形态计算领域孕育着崭新的可能,催生了一大批基于新材料、新结构的仿生电子器件。这些仿生电子器件需要应用于各种场合,从而对材料的性能调控提出了更高的要求。而二维材料作为目前材料领域的研究重点,具有原子级别的厚度与表面平整度,以及丰富的电学性质和光学性质。其范德瓦尔异质结构可以将不同的二维材料进行组装,实现不同材料间的性能的结合。同时,巨大的比表面积使得二维材料及其异质结构更容易受到外界环境的影响,有利于实现材料各类性质的调控。因此,丰富的物性与调控手段令二维材料及其异质结构成为仿生电子器件理想选择。本文首先从单个器件的研究入手,模仿神经细胞神经膜上基于受体的特异性吸附,研究了基于石墨烯(graphene)的重金属离子探测器。通过与特定适配体的结合,石墨烯器件具备了对金属铅离子(Pb2+)高灵敏度定量特异性的探测能力。进一步,我们还利用石墨烯器件实现对人体血液中Pb2+浓度的定量测量,其结果展现...

【文章页数】：127 页

【学位级别】：博士

【部分图文】：

图１．１ａ，冯诺依曼架构，将计算机分为存储器（Ｍｅｍｏｒｙｕｎｉｔ）、控制器（Ｃｏｎｔｒｏｌ??ｕｎｉｔ）、运算器（Ａｒｉｔｈｍｅｔｉｃ?ｌｏｇｉｃａｌ?ｕｎｉｔ，ＡＬＵ）、输入（Ｉｎｐｕｔ）和输出设备（Ｏｕｔｐｕｔ）

ｉ?ｉ?ｌｌ?■?｜????ＡＬＵ?—Ｊ?ｉｎｓｔｒｕｃｔｉｏｎ?Ｃｏｎｔｒｏｌ?Ｄａｔａ??Ｉｎｐｕｔ?ｉ?Ｅ??Ｍｅｍｏｒｙ?Ｕｎｉｔ?＾?Ｍｅｍｏｒｙ???＿ｘｍＪ???????．■．Ｉ－！?Ｉｔ??Ｍｅｍｏｒｙ?Ｕｎｉｔ?以〇??ｃ???ｄ??ＣＰＵ??Ｆｅｔｃｈ?Ｄｅｃ....

图１．２ａ，?Ｍ－Ｐ神经元模型，包含输入（Ｉｎｐｕｔ）、权重（Ｗｅｉｇｈｔ）、激活函数（Ａｃｔｉｖａｔｉｏｎ??ｆｕｎｃｔｉｏｎ）、阈值（Ｔｈｒｅｓｈｏｌｄ）等基本要素

ｏｎ?：??Ｘｊ＿ＬＬＪ??＊?ｔｒａｎｓｆｅｒ??：?：?＼?ｆｕｎｃｔｉｏｎ?｜?？??ｉ?°＞?ｉ??：?ｔｈｒｅｓｈｏｌｄ：??ｂ?Ｓｉｇｍｏｉｄ?厂?Ｌｅａｋｙ?ＲｅＬＵ?／??＜Ｔ（ｘ）＝Ｔ＿ｉ＝Ｔ?ｍａｘ（０．１ｚ，ｚ）??ｔａｎｈ?（￣?Ｍａｘｏｕｔ??ｔａｎｈ（....

图１．３多层人工神经网络，包括输入层（Ｉｎｐｕｔｌａｙｅｒ）、隐层（Ｈｉｄｄｅｎｌａｙｅｒ）、输??５??

多层神经网络和配套的误差逆传播算法（Ｅｒｒｏｒ?ｂａｃｋ－ｐｒｏｐｏｇａｔｉｏｎ??ａｒｉｔｈｍｅｔｉｃ）的出现，极大提升了信息处理能力和网络训练速度。１９８６年，结合前??人的研宄成果，ＤａｖｉｄＲｕｍｅｌｈａｒｔ，Ｇｅｏｆｆｒｅｙ?Ｈｉｎｔｏｎ?和?ＲｏｎａｌｄＷｉｌｌｉａｍ....

图１．４神经兀基本结构

图１．４神经兀基本结构。本图摘自ｈｔｔｐ：／／ｅｄｕｃａｒｅｒ．ｏｒｇ／。??具体来说，祌经元膜由磷脂双分子层构成，上面镶嵌了种类繁多的蛋白质分??子作为受体（Ｒｅｃｅｐｔｏｒ）和离子通道（Ｉｏｎｃｈａｎｎｅｌ）。膜两边的电势并不相等，存??在一定的电势差，也被称为膜电位（Ｍｅｍ....

本文编号：3958679