Dispositivo sináptico de captura de carga ReS₂ de alto rendimiento alcanza 100 % precisión en reconocimiento facial

Resumen

Los dispositivos sinápticos sustentan la próxima generación de sistemas neuromórficos energéticamente eficientes y alta velocidad. Hemos fabricado una sinapsis de captura de carga basada en disulfuro de renio anisotrópico (ReS₂) que reproduce fielmente potenciación y depresión a largo plazo. Para validar su idoneidad para redes neuronales a gran escala, entrenamos una red neuronal artificial (ANN) de tres capas con 120 imágenes de la base Yale Face y la probamos en 45 imágenes inéditas. Al mapear 120 estados de conductancia finamente ajustables del dispositivo ReS₂ sobre los >10⁵ pesos de la ANN, la red alcanzó tasa reconocimiento perfecta 100 %, demostrando la promesa del dispositivo para aplicaciones neuromórficas prácticas.

Antecedentes

Las arquitecturas von Neumann tradicionales separan computación de memoria, creando cuello botella ancho banda y alto consumo energía. En contraste, el cerebro humano opera con ≈20 W aprovechando red altamente interconectada ∼10¹¹ neuronas y ∼10¹⁵ sinapsis. La plasticidad sináptica —ajuste dinámico peso sináptico— es mecanismo central que permite aprendizaje y memoria.

Materiales bidimensionales (2D), como grafeno, dicalcogenuros metales transición (TMDC), y fósforo negro, han surgido como medios canal prometedores para sinapsis artificiales. Mientras TMDC red simétrica (MoS₂, WSe₂) dominan literatura, el disulfuro de renio (ReS₂) ofrece estructura 1T distorsionada con banda prohibida directa hasta diez capas, simplificando fabricación y permitiendo captura robusta carga.

Demostraciones sinápticas previas se centraron en plasticidad corto plazo, con pocos informes capturando potenciación/depresión largo plazo e integrando estados conductancia en cálculos ANN. Nuestro trabajo cierra esta brecha proporcionando dispositivo ReS₂ que no solo emula LTP/LTD sino que también entrega 120 niveles conductancia estables utilizables como pesos ANN.

Métodos

La pila dispositivo (Figura 1d) comprende puerta trasera ITO 70‑nm sobre 200‑nm SiO₂/Si, capa captura carga 12/4/4‑nm Al₂O₃/ZrO₂/Al₂O₃ crecida por ALD, y canal ReS₂ exfoliado mecánicamente ∼3,6‑nm (≈5‑capas) con contactos fuente/drenaje Ti/Au (10/70 nm). Longitud canal 1,5 µm, y orientación cristal ReS₂ junto eje b elegida por su superior movilidad electrónica. Voltajes puerta trasera pulsados modulan dispositivo, mientras sesgo constante 0,1‑V drenaje‑fuente lee corriente postsináptica.

Resultados y discusión

Figura 2a muestra ratio encendido/apagado >10⁶ a V_ds = 100–700 mV, confirmando fuerte control canal por puerta ITO 20‑nm. Características transferencia exhiben región superlineal bajo V_ds, indicando buenos contactos Schottky. Ventana memoria 3,5‑V observada en histéresis I_bg (Fig. 2b), reflejando captura eficiente carga en capa ZrO₂ (Fig. 2c,d).

Corrientes postsinápticas excitatorias (EPSC) e inhibitorias (IPSC) se disparan con pulsos puerta trasera −1 V/10 ms y +1 V/10 ms, respectivamente (Fig. 3a,b). Pulsos negativos inducen LTP inyectando electrones canal ReS₂; pulsos positivos producen LTD atrapando electrones en ZrO₂. Pulsos repetidos −2 V con intervalos 1‑s producen aumento monótono corriente (Fig. 3c,d), permitiendo generación múltiples estados conductancia estables.

Tras 120 pulsos sucesivos −2 V, 10 ms, el dispositivo exhibe 120 niveles conductancia linealmente espaciados (Fig. 4a). Estos niveles mapean directamente sobre >10⁵ valores pesos ANN, como ilustra arquitectura ANN 3‑capas (Fig. 4b): 1024 neuronas entrada, 256 neuronas ocultas, 15 clases salida. Entrenando 120 imágenes Yale Face y probando 45 imágenes inéditas, la red alcanza 100 % precisión tras 600 iteraciones entrenamiento (Fig. 5b). Distribuciones pesos convergen a conjunto valores dispersos, que luego se emparejan a 120 estados conductancia mediante transformación lineal C_j = A I_j + B (A = 1,3769 × 10¹⁰, B = −65,784). Sustituyendo estos valores conductancia en ANN preserva tasa reconocimiento 100 %, confirmando viabilidad sinapsis ReS₂ para redes neuronales gran escala.

Conclusiones

Hemos demostrado dispositivo sináptico ReS₂ apilado con dieléctrico high‑k que exhibe fiablemente potenciación y depresión largo plazo. Aplicando 120 pulsos puerta periódicos, el dispositivo produce 120 estados conductancia distintos, estables, que reemplazan >10⁵ pesos ANN, logrando precisión perfecta reconocimiento facial. Estos resultados establecen ReS₂ como plataforma convincente para hardware neuromórfico.