Neuromorphic devices based on two-dimensional ferroelectric materials for in-memory computing

다국어 초록 (Multilingual Abstract)

The increasing demands of artificial intelligence (AI), big data, and the Internet of Things (IoT) have strained the performance and energy efficiency of conventional computing systems. The von Neumann architecture, characterized by the physical separation of memory and processing units, is hindered by excessive data movement, high power consumption, and limited scalability. To overcome these limitations, brain-inspired neuromorphic computing has emerged as a promising paradigm, necessitating advanced devices that integrate memory and computation with low energy overhead.
Ferroelectric field-effect transistors (Fe-FETs) are considered strong candidates for neuromorphic hardware due to their non-volatile memory capabilities and CMOS compatibility. However, traditional ferroelectric materials face challenges in miniaturization and efficient channel control. Recently, two-dimensional (2D) ferroelectric materials, such as CuInP2S6 (CIPS) and α-In2Se3, have gained attention for their stable ferroelectric behavior at the atomic scale.
This dissertation presents the design and experimental demonstration of 2D ferroelectric-based neuromorphic devices for energy efficient in-memory computing. The proposed all-ferroelectric FET, leveraging dipole coupling effects, exhibits a large memory window and analog conductance modulation via partial polarization switching, enabling synaptic functionalities. Additionally, a self-powered artificial visual system was realized, integrating light sensing, memory storage, and information processing within a single device.
A CIPS ferroionic-based threshold switching FET (TS-FET) is further introduced as a steep-switching transistor, achieving an ultra-steep subthreshold swing (~7.5 mV/dec) and an ON/OFF current ratio exceeding 107. Also, this device emulates essential neuronal behaviors such as leaky integrate-and-fire (LiF) dynamics and adjustable spiking thresholds without requiring external reset circuitry. By integrating CIPS-based synaptic and neuron devices, a spiking neural network (SNN) was constructed and validated through a face recognition task using a 2D convolutional neural network (CNN), achieving 95.83% accuracy.
In conclusion, this work lays the groundwork for next-generation in-memory computing architectures by advancing the development of all-ferroelectric FETs, self-powered artificial visual systems, and ferroionic TS-FET-based artificial neurons, demonstrating the scalability and efficiency of 2D ferroelectric materials for neuromorphic hardware.

국문 초록 (Abstract)

인공지능(AI), 빅데이터, 사물인터넷(IoT) 기술의 급속한 발전은 기존 컴퓨팅 시스템의 성능과 에너지 효율 한계를 초래하고 있다. 메모리와 연산 유닛이 분리된 폰 노이만(von Neumann) 아키텍처는 데이터 이동 병목현상, 높은 전력 소모, 그리고 확장성 제한과 같은 근본적인 문제를 안고 있다. 이러한 문제를 해결하기 위해, 뇌의 효율적인 정보 처리 메커니즘을 모방한 뉴로모픽 컴퓨팅이 주목받고 있으며, 이를 구현하기 위해서는 메모리와 연산 기능을 통합하면서 저전력으로 동작할 수 있는 고성능 소자가 필요하다.
강유전체 전계효과 트랜지스터(Fe-FET)는 비휘발성 메모리 특성과 CMOS 공정 호환성으로 뉴로모픽 하드웨어의 유망한 소자로 주목받고 있다. 그러나 기존 강유전체 소재는 소형화가 어렵고, 채널 제어 측면에서도 비효율적인 한계를 보이고 있다. 최근에는 CuInP2S6(CIPS), α-In2Se3와 같은 이차원(2D) 강유전체 소재가 원자층 수준에서도 안정적인 강유전성을 제공하여 이러한 한계를 극복할 수 있는 대안으로 부상하고 있다.
본 논문에서는 에너지 효율적인 인-메모리 컴퓨팅을 위한 2D 강유전체 기반 뉴로모픽 소자를 설계하고 실험적으로 구현하였다. 2D 강유전체를 활용한 All-Ferroelectric FET는 Dipole Coupling 효과로 인해 넓은 메모리 윈도우를 가지며, 부분적 분극 전환을 통해 시냅스 동작에 적합한 아날로그 전도도 조절 특성을 성공적으로 구현하였다. 또한, 단일 소자 내에서 광 감지, 메모리 저장, 정보 처리 기능을 모두 수행할 수 자가구동형 생체 모사 인공 시각 시스템을 구현하였다. 아울러, CIPS의 페로이온 특성을 활용한 임계 스위칭 트랜지스터(TS-FET)를 제안하였으며, 약 7.5 mV/dec의 초저전력 스위칭 특성과 107 이상의 높은 온/오프 전류 비를 실현하였다. 해당 소자는 외부 리셋 회로 없이 누설적분-발화(Leaky Integrate-and-Fire) 동작, 발화 임계값 조절, 시공간적 신호 처리 등의 주요 뉴런 동작 특성을 성공적으로 구현하였다. CIPS 기반 시냅스 및 뉴런 소자를 통합하여 스파이킹 신경망(SNN)을 구성하고, 2D 합성곱 신경망(CNN)을 활용한 얼굴 인식 테스트를 통해 성능을 검증하였다. 시뮬레이션 결과, 제안한 시스템은 95.83%의 높은 인식 정확도를 달성하였으며, 이는 2D 강유전체 소재가 고집적, 저전력 뉴로모픽 하드웨어 구현에 매우 유망함을 보여준다.
결론적으로, 본 연구는 All-Ferroelectric FET, 자가구동형 인공 시각 시스템, 그리고 페로이온 임계 스위칭 트랜지스터 기반 인공 뉴런 개발을 통해 차세대 인-메모리 컴퓨팅 아키텍처와 실용적인 뉴로모픽 지능형 하드웨어 구현을 위한 기반을 제공한다.

목차 (Table of Contents)

• 1. Introduction 1
• 1.1. Limitation of Conventional Memory Architecture 1
• 1.2. In-Memory Computing 5
• 1.3. Two-Dimensional (2D) Ferroelectric Materials 8
• 1.4. References 10
• 2. All-Ferroelectric FET based on 2D Ferroelectrics 11
• 2.1. Introduction 11
• 2.2. Performance and Working Mechanism of All-Ferroelectric FET 15
• 2.3. In-Depth Analysis of Ferroelectric Dielectric/Ferroelectric Semiconductor Structure 25
• 2.4. Artificial Synapse for Neuromorphic Computing 34
• 2.5. Conclusion 38
• 2.6. References 40
• 3. Bio-Inspired Self-Powered Artificial Visual System 44
• 3.1. Introduction 44
• 3.2. Artificial Visual System Based on 2D Ferroelectrics 48
• 3.3. Light Sensing and Adaptation 54
• 3.4. Optical Synaptic Behaviors 60
• 3.5. Conclusion 65
• 3.6. References 67
• 4. CuInP2S6 Ferroionic-based Threshold Switching FET and Its Application for Spiking Neuron 70
• 4.1. Introduction 70
• 4.2. CIPS Threshold Switching FET (TS-FET) 74
• 4.3. Artificial Spiking Neuron Behaviors 85
• 4.4. 2D Spiking Neural Network via Device-to-System Level Simulation 88
• 4.5. Conclusion 96
• 4.6. References 97
• 5. Summary 101
• Korean Abstract 104