Opto-Neuromorphic Computing by Photo Responses of Ferroelectric P(VDF-TrFE) Field-Effect Transistors

초록

인공지능(AI)의 발전은 차세대 패러다임으로서 뉴로모픽 컴퓨팅의 중요성을 더욱 부각시켰습니다. 뉴로모픽 컴퓨팅은 센서 내 연산 분야에서 낮은 전력 소모와 높은 처리 속도로 방대한 데이터를 처리할 수 있는 능력을 제공합니다. 그러나 센서 부품에서 수집된 아날로그 신호는 뉴로모픽 컴퓨팅 과정에서 사용되는 디지털 신호로 변환될 때 정보 손실이 발생합니다. 본 연구에서는 아날로그 입력 신호(광학 신호)를 디지털 출력 신호(전기 신호)로 효율적으로 변환하여 데이터 손실을 최소화할 수 있는 강유전체 비휘발성 메모리 소자를 연구하였습니다. 이를 구현하기 위해, 빛 기반 통신 및 소자 적층을 가능하게 하는 광전자 회로 시스템을 유리 기판 위에 제작하였습니다. 강유전체 P(VDF-TrFE) 고분자 층을 게이트 절연체로 사용함으로써 뉴로모픽 컴퓨팅 과정을 위한 강유전체 FET(FeFET) 메모리 소자를 성공적으로 얻었습니다. 학습 모델을 조사하기 위해 펄스 전압, 펄스 폭, 펄스 개수의 변조를 포함한 여러 게이트 펄스 신호를 가중치 요소로 적용하였습니다. 가중치 최적화 방법에 기반하여, 장기 강화/억제(LTP/D)와 파장에 따른 광학 응답 정도를 확인할 수 있었습니다.