Monolithically Integrated VO$_2$ Mott Oscillators for Energy-Efficient Spiking Neurons

📄 arXiv: 2604.21487v1 📥 PDF

作者: Fabio Bersano, Cyrille Masserey, Vanessa Conti, Andrea Iaconeta, Niccolo' Martinolli, Ehsan Ansari, Anna Varini, Igor Stolichnov, Adrian Mihai Ionescu

分类: eess.SY, cond-mat.mtrl-sci

发布日期: 2026-04-23

备注: 24 pages, 7 figures in main text, 8 figures in Supplementary Information

💡 一句话要点

单片集成VO$_2$莫特振荡器，实现高能效脉冲神经元

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: VO$_2$忆阻器 莫特振荡器 脉冲神经元 神经形态计算 单片集成 低功耗 JLFET

📋 核心要点

  1. 现有VO$_2$神经元依赖离散元件，限制了集成密度和系统应用，难以满足神经形态计算的需求。
  2. 论文提出单片集成1T-1MR结构的VO$_2$莫特振荡器，利用VO$_2$的相变特性实现高能效脉冲神经元。
  3. 实验结果表明，该结构实现了栅极可调谐振荡，能耗低至18 pJ/spike，并具有电压控制振荡器功能。

📝 摘要（中文）

受大脑启发的非布尔计算具有内在的容错性和并行性，但缺乏紧凑、节能且兼容大规模集成的脉冲硬件限制了其应用。莫特相变材料提供了一条有希望的途径，因为它们突变的绝缘体-金属转变使得紧凑型器件中能够实现类神经元的阈值和振荡动力学。其中，二氧化钒(VO$_2$)因其接近室温的转变、快速切换和可扩展性而脱颖而出。然而，现有的基于VO$_2$的神经元依赖于离散元件，限制了集成密度和系统适用性。本文报道了在CMOS兼容平台上单片后道(BEOL)集成单晶体管-单VO$_2$忆阻器(1T-1MR)脉冲神经元。通过脉冲激光沉积在电介质隔离的绝缘体上硅(SOI) p型无结场效应晶体管(JLFET)上，在低于430°C的温度下制造VO$_2$纳米片器件，形成紧凑的1T-1MR结构。该架构在6 $μ$m$^2$有源区、60 nm厚的VO$_2$器件中表现出40至410 kHz的栅极可调谐振荡，在室温下实现了低至18 pJ/spike的能耗，忆阻器功耗为8 $μ$W，并具有扩展到低于3 $μ$W运行的潜力。我们进一步发现了振荡频率对电流和温度的非单调依赖性，以及偏置相关的随机放电动力学，突出了集成VO$_2$忆阻器系统的丰富行为。最后，我们演示了电压控制振荡器功能和通过JLFET主动可调谐的两个纳米振荡器的电阻耦合。这些结果为与CMOS技术兼容的密集、节能和单片集成的基于莫特的神经形态硬件建立了一条途径。

🔬 方法详解

问题定义：论文旨在解决现有VO$_2$神经形态计算硬件集成度低、能耗高的瓶颈问题。现有的VO$_2$神经元设计依赖于离散元件，这限制了大规模集成和实际应用，无法充分发挥神经形态计算的优势。因此，需要一种能够单片集成、紧凑且节能的VO$_2$神经元架构。

核心思路：论文的核心思路是利用VO$_2$的莫特相变特性，将其与CMOS兼容的JLFET集成，构建1T-1MR结构的脉冲神经元。通过控制JLFET的栅极电压，可以调节流过VO$_2$忆阻器的电流，从而控制VO$_2$的相变和振荡行为。这种设计能够实现紧凑的器件尺寸、低功耗和可调谐的振荡频率。

技术框架：整体架构是一个1T-1MR结构，包括一个JLFET和一个VO$_2$忆阻器。JLFET作为控制元件，通过栅极电压调节流过VO$_2$的电流。VO$_2$忆阻器是振荡器，其电阻状态随电流和温度变化。整个器件采用单片后道(BEOL)集成，与CMOS工艺兼容。主要流程包括：首先在SOI衬底上制造JLFET，然后在JLFET上通过脉冲激光沉积生长VO$_2$纳米片，最后进行器件的互连和封装。

关键创新：最重要的技术创新点是实现了VO$_2$忆阻器与JLFET的单片集成，构建了紧凑的1T-1MR结构。这种集成方式显著提高了器件的集成密度，降低了功耗，并实现了栅极可调谐的振荡频率。与现有基于离散元件的VO$_2$神经元相比，该方法更适合大规模集成和实际应用。

关键设计：关键设计包括：1) 使用SOI JLFET作为控制元件，提供良好的电流控制能力；2) 通过脉冲激光沉积在低温下生长高质量的VO$_2$纳米片，保证VO$_2$的相变特性；3) 优化器件的几何尺寸和材料参数，实现最佳的振荡性能和能耗。论文还研究了振荡频率对电流和温度的非单调依赖性，以及偏置相关的随机放电动力学，为器件的优化提供了指导。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该1T-1MR结构在6 $μ$m$^2$有源区、60 nm厚的VO$_2$器件中实现了40至410 kHz的栅极可调谐振荡，能耗低至18 pJ/spike，忆阻器功耗为8 $μ$W，并具有扩展到低于3 $μ$W运行的潜力。此外，还演示了电压控制振荡器功能和通过JLFET主动可调谐的两个纳米振荡器的电阻耦合。

🎯 应用场景

该研究成果可应用于神经形态计算、类脑芯片、低功耗传感器和存储器等领域。单片集成的VO$_2$莫特振荡器为构建高密度、低功耗的神经形态硬件提供了新的途径，有望推动人工智能和机器学习技术的发展。此外，该器件还可以用于实现电压控制振荡器和可调谐电阻耦合网络，为模拟电路设计提供新的思路。

📄 摘要（原文）

Brain-inspired non-Boolean computing offers intrinsic error tolerance and parallelism, but its practical deployment is limited by the lack of compact, energy-efficient spiking hardware compatible with large-scale integration. Mott phase-transition materials provide a promising route, as their abrupt insulator-to-metal transitions enable neuron-like thresholding and oscillatory dynamics in compact devices. Among these, vanadium dioxide (VO$_2$) stands out for its near-room-temperature transition, fast switching, and scalability. However, existing VO$_2$-based neuristors rely on discrete components, limiting integration density and system applicability. Here, we report monolithic back-end-of-the-line (BEOL) integration of one-transistor-one-VO2-memristor (1T-1MR) spiking neurons on CMOS-compatible platforms. VO$_2$ nanosheet devices are fabricated by pulsed-laser deposition below 430 °C on dielectrically isolated silicon-on-insulator (SOI) p-type junctionless field-effect transistors (JLFETs) in a compact 1T-1MR configuration. The architecture exhibits gate-tunable oscillations from 40 to 410 kHz in 60 nm-thick VO$_2$ devices with an active area of 6 $μ$m$^2$, achieving energy consumption as low as 18 pJ per spike at room temperature, with memristor power dissipation of 8 $μ$W and potential scaling toward sub-3 $μ$W operation. We further uncover a non-monotonic dependence of oscillation frequency on current and temperature, along with bias-dependent stochastic firing dynamics, highlighting the rich behavior of integrated VO$_2$ memristor systems. Finally, we demonstrate voltage-controlled oscillator functionality and actively tunable resistive coupling of two nano-oscillators mediated by a JLFET. These results establish a pathway toward dense, energy-efficient, and monolithically integrated Mott-based neuromorphic hardware compatible with CMOS technology.