化工系 李文亞副教授

隨著人工智慧技術越來越成熟，2019年人工智慧大會宣稱人工智慧市場幾年後將會達到六兆美金的市場，表示在未來幾年企業會積極轉型，將相關的人工智慧技術導入到生產中或是企業管理中，以幫助企業獲利。然而，目前人工智慧技術發展遇到新的挑戰，最主要的問題是當今人工智慧主要使用軟體演算法搭配高速運算晶片以及大量耗能來支撐所需之相關應用，但大量耗能儼然成為每個企業必須嚴肅面對的問題，這樣的問題主要是來自於傳統個人電腦所使用的von Neumann架構的限制，在傳統架構中，中央處理器(CPU)與記憶體是分開的單元，使得資料處理會受到CPU與記憶體之間的資料傳輸與存取的限制，而造成整體耗能大幅增加，為了解決這樣的問題，國外的企業如IBM, Intel紛紛提出將傳統的von Neumann架構改換成神經型態架構運算(Neuromorphic commuting)或稱為人工突觸(Artificial synapse)，在這個神經型態架構(或稱為人工突觸)中，晶片將會與大腦神經元突觸一樣，將訊號處理與訊號儲存結合在同一個單元中，因為訊號執行與儲存是同一單元，使得其耗能大為下降，甚至可低於傳統架構的千分之一以下，因此人工突觸晶片已經成為人工智慧領域必須全力開發的主題之一。

過往為了讓電子元件具有學習能力，就必須要導入記憶體元件，對場效應電晶體來說，會在介電層中插入浮動閘極(floating gate)，利用浮動閘極來記憶存取資料，但這樣的浮動閘極結構製程相對複雜。在本團隊中，我們提出新的神經型態半導體材料，設計出能夠記憶資料的高分子半導體材料，如此一來就不需要浮動閘極或是額外的電荷儲存層就可以達到資料記憶的目的，其結構如圖一所示。我們的作法是在具有高電荷傳遞能力之電子予體受體共軛高分子(Donor-acceptor conjugated polymer)中，摻雜入有機離子電解質(organic ionic electrolyte)，此有機離子會與共軛高分子半導體之間產生陰離子誘導電荷轉移效應(Anion-induced electron transfer)，並形成電荷轉移複合體(charge transfer complex)，提升半導體材料的記憶行為。藉由讓而這樣的離子導入後，會使得半導體材料具有更顯著的記憶行為與學習能力。與一般文獻中所利用浮動閘極所得到的人工突觸電晶體元件相比，我們團隊所使用的方法更為簡易，不需要插入浮動閘極或是額外電荷儲存層，不僅可大幅度降低企業生產成本，也能夠降低捕捉電荷逸散的機會。

圖一、左圖為生物突觸與神經傳導物質之間作用示意圖，右圖為本團隊所開發的人工突觸電晶體元件結構與脈衝反應示意圖。

圖二、(a) 不同脈衝時間之電流響應；(b-C) 成對脈衝促進特性與脈衝間格之間的關係；(d) 不同脈衝頻率的電流增長行為。

此人工突觸電晶體，在連續脈衝刺激下，會有明顯訊號增長改變的特性(如圖二所示)，在高頻率刺激下，其電流增幅或稱為是成對脈衝促進(pair-pulse facilitation, PPF)可達到200%，而且在不同頻率的脈衝刺激下，元件激化電流的程度也會有明顯的改變，此外，我們團隊也可以利用脈衝電位極性與頻率誘導電子元件的電流反應是刺激型的增長或是抑制型的減少，這樣的刺激學習能力以及頻率依賴性正是生物神經元突觸的特性，顯示此離子摻雜高分子元件確實具有人工突觸特性，未來將有潛力應用與神經網絡運算結合，並應用在人工智能元件與技術上，相關的研究內容也刊登於今年美國應用材料與界面期刊上 ACS Appl. Mater. Interfaces 2020, 12, 30, 33968–33978 (https://doi.org/10.1021/acsami.0c06109)。