一种基于二维半导体材料量子电容的忆容器

本发明涉及人工智能神经信息存储，尤其涉及一种基于二维半导体材料量子电容的忆容器。

背景技术：

1、记忆电阻(即忆阻器)是电阻器、电容器和电感器之外的第四个基本电路元件，最初是在1970年代提出的，然而，直到2008年科学家发现了“消失的电阻”后它才引起了人们的关注。随着时间的推移，忆阻器的研究已成为信息技术中的一个重要话题。从最初用于存储应用和解决诸如冯·诺伊曼瓶颈之类的问题，到现今忆阻器已成为我们生活的各个方面的重要组成部分，特别是在基于硬件的神经形态计算中。“记忆电阻”的名称反映了这种器件的主要特性，即其电阻取决于其输入的历史，因此这种器件保留了过去状态的记忆。然而，忆阻器的性能严重依赖特定的人为缺陷，这些缺陷很难控制，导致重复性和良率不足。因此，迫切需要找到一种不依赖于缺陷贡献的新机制来开发记忆存储器件。

2、基于电容器的忆容器与忆阻器类似，但比忆阻器具有更低的静态功耗。虽然忆容器的理论已经确立，但实际实施仍然有限。一般来说，根据电容公式可知，平行板电容器的电容取决于介质层的介电常数和极板之间的距离。具有不同表面积或不同介电常数的忆容器在板间距较小时表现出显著的寄生电阻，或者由于大板间距而具有有限的横向可扩展性，从而限制了其实现高动态范围的能力。因此，由于工艺限制，使用忆容器实现显著的幅度变化和高灵敏度是具有挑战性的。

技术实现思路

1、本发明实施例的目的是提供一种基于二维半导体材料量子电容的忆容器，能够解决现有忆阻器因缺陷造成的局限性和现有忆容器无法实现显著的幅度变化和高灵敏度的问题。

2、为解决上述技术问题，本发明提供如下技术方案：

3、本发明实施例提供了一种基于二维半导体材料量子电容的忆容器，其中，所述忆容器包括：电容极板、介电层以及导电层；

4、所述电容极板包括二维半导体材料层和p型硅层；

5、所述介电层设置于所述二维半导体材料层和p型硅层之间，所述p型硅层远离所述介电层的一面覆盖在所述导电层上方。

6、可选地，所述二维半导体材料层为单层连续过渡金属硫族化合物薄膜。

7、可选地，所述介电层材料为sio2，所述介电层材料厚度为10nm。

8、可选地，所述导电层为金属材料，用于连接所述p型硅层和测试导线。

9、可选地，所述导电层材料为金，所述导电层厚度为30nm。

10、可选地，所述导电层材料为铂。

11、可选地，p型硅层为硼掺杂量大于重掺杂浓度的硅片。

12、本申请实施例提供的基于二维半导体材料量子电容的忆容器，包括：电容极板、介电层以及导电层；电容极板包括二维半导体材料层和p型硅层；介电层设置于二维半导体材料层和p型硅层之间，p型硅层远离介电层的一面覆盖在导电层上方。该忆容器一方面，二维半导体材料的量子电容在载流子浓度的变化时产生敏感的响应，而不是改变电容器的板间距和面积以及电介质的介电常数，因此比传统忆容器具有更高的响应强度和灵敏度；第二方面，因为二维半导体材料具有大的表面积，可以被多种因素调控(如：电场、光照和气氛等)，所以该器件可以实现电增强-电衰退、电增强-气衰退、光增强-电衰退和光增强-气衰退等多种条件耦合调控。第三方面，该器件本质是具有气体的吸脱附而产生载流子浓度的变化，只与材料本征的电子结构有关，与缺陷无关。所以该器件拥有由于的可重构性和良率，利于工业大规模制备。

技术特征：

1.一种基于二维半导体材料量子电容的忆容器，其特征在于，包括：电容极板、介电层以及导电层；

2.根据权利要求1所述的忆容器，其特征在于，所述二维半导体材料层为单层连续过渡金属硫族化合物薄膜。

3.根据权利要求1所述的忆容器，其特征在于，所述介电层材料为sio2，所述介电层材料厚度为10nm。

4.根据权利要求1所述的忆容器，其特征在于，所述导电层为金属材料，用于连接所述p型硅层和测试导线。

5.根据权利要求4所述的忆容器，其特征在于，所述导电层材料为金，所述导电层厚度为30nm。

6.根据权利要求1所述的忆容器，其特征在于，所述导电层材料为铂。

7.根据权利要求1所述的忆容器，其特征在于，p型硅层为硼掺杂量大于重掺杂浓度的硅片。

技术总结
本发明公开了一种基于二维半导体材料量子电容的忆容器，属于人工智能神经信息存储技术领域，所述忆容器包括：电容极板、介电层以及导电层；所述电容极板包括二维半导体材料层和p型硅层；所述介电层设置于所述二维半导体材料层和p型硅层之间，所述p型硅层远离所述介电层的一面覆盖在所述导电层上方。本申请提供的忆容器，因为二维半导体材料的量子电容在载流子浓度变化时具有灵敏的响应，所以具有更高的响应强度和灵敏度。同时本申请提供的忆容器还可以被多种因素调控，所以该器件可以实现电增强‑电衰退、电增强‑气衰退、光增强‑电衰退和光增强‑气衰退等多场耦合调控。此外该器件还可用于模拟生物神经突触行为。

技术研发人员：王宇航,郭威,王凤平
受保护的技术使用者：北京科技大学
技术研发日：
技术公布日：2024/5/10