Emulating Mixed-Plasticity in a 2-Terminal Halide Perovskite Artificial Synapse

Abstract

Achieving an artificial synapse in which short-term plasticity (STP) and long-term plasticity (LTP) operate simultaneously (mixed-plasticity) can provide adaptation to dynamic situation and memory formation at the same time. Therefore, emulating the mixed-plasticity (STP + LTP) in a single device can contribute to the implementation of neuromorphic systems that deal with real-time data. Although there are several devices that the mixed-plasticity is emulated, in such devices, the STP and LTP are governed by a single mechanism. Since controlling the mixed-plasticity by a single mechanism is challenging by the presence of the contradiction issue, to solve this problem, here, we adopted halide perovskite as an active layer of a 2-terminal artificial synapse. Moreover, we introduced ferroelectricity into the halide perovskite active layer through composition component engineering. As a result, in the halide perovskite active layer, we could utilize the halide perovskite's ion and vacancy migration for STP emulation and the introduced ferroelectricity for LTP emulation; 2 separated mechanisms for the reliably and simultaneously operated mixed-plasticity. Through this new approach as above, we could succeed in emulating the reliably and simultaneously operated mixed-plasticity with the halide perovskite artificial synapse while controlling the STP mode and LTP mode by regulating the presynaptic spike voltage magnitude.

단기 가소성(STP)과 장기 가소성(LTP)이 동시에 작동하는 인공 시냅스(혼합 가소성)를 달성하면 동적 상황에 대한 적응과 기억 형성을 동시에 제공할 수 있습니다. 따라서 단일 장치에서 혼합 가소성(STP + LTP)을 구현하면 실시간 데이터를 처리하는 뉴로모픽 시스템의 구현에 기여할 수 있습니다. 혼합 가소성을 구현하는 여러 장치가 있지만 이러한 장치에서는 STP와 LTP가 단일 메커니즘으로 제어됩니다. 단일 메커니즘으로 혼합 가소성을 제어하는 것은 모순 문제의 존재로 인해 어려운 일이므로 이 문제를 해결하기 위해 여기서는 2단자 인공 시냅스의 활성층으로 할라이드 페로브스카이트를 채택했습니다. 또한 조성 성분 공학을 통해 그 할라이드 페로브스카이트 활성층에 강유전성을 도입했습니다. 그 결과, 그 할라이드 페로브스카이트 활성층에서 할라이드 페로브스카이트의 이온 및 공공 이동을 STP 구현을 위해 그리고 도입된 강유전성을 LTP구현을 위해 활용할 수 있었습니다. 즉 안정적이고 동시에 작동하는 혼합 가소성을 위해 2개의 분리된 메커니즘을 이용할 수 있었습니다. 결과적으로 우리는 위와 같은 새로운 접근 방식을 통해 안정적이고 동시에 작동하는 혼합 가소성을 구현하는 데 성공하였습니다.