随着人类社会数据量的急剧增加以及数据类型复杂程度的提高，传统冯诺依曼架构计算系统由于存储墙限制越来越难以满足需求。在大数据时代，类似于人脑的神经网络型信息处理模式效率将会明显优于传统架构计算机，开发符合神经形态计算特性的电子器件进而构建大规模人工神经网络，成为未来信息科技发展的一个重要方向。人工突触器件是神经形态系统中基本组成单元，多种新兴的非易失存储已经被证明可以用于突触功能模拟。其中，近几年来出现的电解质突触晶体管由于“读”和“写”操作在空间上的分离，具有能耗低、稳定性好、高线性度和对称性等优点，并且通过电荷/离子注入能同时实现短程和长程突触可塑性，是进行突触仿生的理想器件结构。
中国科学院物理研究所葛琛副研究员和金奎娟研究员课题组一直致力于功能氧化物神经形态器件研究，近期在电解质突触晶体管和铁电突触器件方面取得系列进展。本文主要综述了国内外面向神经形态应用的电解质突触晶体管研究进展。首先介绍了电解质突触晶体管的器件物理，然后讨论了不同的沟道材料和电解质材料对器件性能的影响，并综述了其在神经形态计算和生物仿生上的应用案例。
Electrolyte-gated transistors for neuromorphic applications
Heyi Huang, Chen Ge, Zhuohui Liu, Hai Zhong, Erjia Guo, Meng He, Can Wang, Guozhen Yang, Kuijuan Jin
J. Semicond. 2021, 42(1): 013103
doi: 10.1088/1674-4926/42/1/013103
Full Text: http://www.jos.ac.cn/article/doi/10.1088/1674-4926/42/1/013103?pageType=en
