福州大学集成电路专业学什么课程

福州大学集成电路专业学半导体器件物理、集成电路制造工艺、半导体集成电路、VerilogHDL应用、集成电路版图设计技术、系统应用与芯片验证。电路技术专业学习的课程主要有半导体器件物理、集成电路制造工艺、半导体集成电路、VerilogHDL应用、集成电路版图设计技术、系统应用与芯片验证。集成电路技术学习要微电子工艺和集成电路设计领域相关专业理论知识。

开发高效的神经形态硬件网络对于实现复杂的人工智能至关重要。受限于冯诺依曼架构，传统计算机的计算效率难以提升。

现今，出现了可模仿生物大脑结构和 *** 作的神经形态芯片，其能够高效且节能地运行大数据和人工智能算法等复杂计算机任务。然而，目前已提出的神经形态芯片需要大规模的设备才能构成复杂的网络结构。

近日，福州大学物理与信息工程学院陈惠鹏教授团队首次提出一种基于二维材料MXene的多神经形态功能器件——可切换神经元突触晶体管（switchable neuronal-synaptic transistor，简称 SNST ），打破了神经元模块与神经元之间的物理界限。

研究人员表示，SNST 是一种自上而下、兼具高精度和高效率的可转换神经形态器件，在制造工艺、资源利用率和运算速度等方面，对实现高效、准确神经拟态硬件系统有重要意义。

6 月 24 日，相关论文以《用于高效神经形态硬件网络的可编程神经元突触晶体管》（Programmable Neuronal-Synaptic Transistors Based on 2D MXene for High Efficiency Neuromorphic Hardware Network）为题在 Matter 上发表，陈惠鹏教授担任通讯作者，第一作者为福州大学物理与信息工程学院博士生张翔鸿。

据了解，神经形态芯片的基本单元研究主要集中在神经元器件和突触器件两方面，它们是构成生物大脑中神经网络的两个基本单元。据了解，SNST 由 Ag 和 2D MXene (Ti3C2Tx ) 掺杂的聚乙烯醇/氧化铟锡组成，其具有两种不同的电阻切换模式和记忆模式，可以在单个设备上构建人工神经元和突触。

研究中，该团队首先测量了 SNST 的突触功能。其具体机制为，对于金属-绝缘体-半导体结构，当栅电极施加足够大的正电压时，半导体/介质界面处有源层的能带向下弯曲，尾态接近费米能级，大量电子积累形成导电通道；若在源极接地的情况下对 SNST 的漏极施加正电压，则大部分电子将通过导电沟道不断地从源极流向漏极。

而在富含羟基的 PVA 聚合物中会出现质子传导现象。当施加正 VG 时，正质子 (H+) 向 ITO 通道迁移，负羟基迁移朝向栅电极形成双电层。去除外加电压后，这些带电粒子由于浓度梯度不同，会向与原路径相反的方向扩散，但扩散速度比外加电场引起的漂移速度慢。

因此，当施加一系列正电压脉冲时，带电粒子会在 ITO 通道和栅电极的界面处聚集，导致通道中的电流增加。

当对 SNST 施加固定电压时，其漏极和源极之间的电流 (以下简称为 ID ) 是由栅极电压脉冲控制。在施加栅极电压脉冲之前，ID 在正电压脉冲期间保持稳定并处于高电平，随着栅极电压脉冲的施加，ID 会突然增加，随后又缓慢恢复到稳定状态，其衰减的速度与栅极电压脉冲的幅度有关，这种行为类似于生物大脑中的兴奋性突触后电流。相应地，抑制性突触后电流的行为也可以通过 SNST 通过向栅电极施加负电压脉冲来模拟。

此外，当向 SNST 的栅极施加一系列电压脉冲时，ID 的响应类似于从短期记忆到长期记忆，且 ID 的响应随着正脉冲数的增加而增强，脉冲后的稳定状态也增强。这些都表明 SNST 具有稳定的突触特性，可胜任神经形态芯片中的人工突触角色。

除了突触，神经元是神经形态芯片的另一个重要组成部分，其通过模拟神经元膜上受体接收神经递质，并电位差放电的过程实现累计-爆发的计算。

据了解，SNST 的神经元模型类似于一个带有漏极的两端忆阻器，当仅施加一个输入信号时，SNST 可以执行时间积分，并在施加几个脉冲后触发输出尖峰；当产生输出尖峰时，其输出波形的幅度会突然增加到 4 倍以上。而且，SNST 的神经元特性由四个不同的维度控制，这大大提高了其在实际电路中的适用性。

具体来说，SNST 的神经元功能机制是，其含有的 Ag +可以吸附在掺杂的 MXene 表面上，促进导电细丝的形成，从而使得 SNST 从高阻切换到低阻；但由于形成的导电丝较脆，脉冲后会被自然溶解和断裂，而在导电丝完全溶解之前下一个导电丝会更加容易形成，反复多次电压脉冲刺激后会导致电流突然增加，致使 SNST 具有神经元的特征。

值得一提的是，研究人员表示，在器件数量相同的情况下，基于 SNST 阵列的神经拟态芯片可以改变神经元和突触的比例，再通过对神经元和突触的比例进行编程，可解决硬件资源配置与算法任务要求不匹配的问题，资源利用率提高到近 100%。

据悉，研究中，该团队还运用 SNST 开发并演示了可用于真实性数据识别的神经网络，将突触资源和神经元资源的利用率提高近 100%。并且，与传统的神经形态设备相比，其硬件网络的训练速度优化了约 200% 。此外，研究人员基于 SNST 进一步开发了用于人脸识别的硬件系统，准确率高达 80%。

参考链接：

1.XianghongZhang et al. Programmable Neuronal-Synaptic Transistors Based on 2D MXene for High Efficiency Neuromorphic Hardware Network. Matter （2022）https://doi.org/10.1016/j.matt.2022.06.009

好像无机化学没有领头人。。。。发两个可能的吧。。。。

谢增鸿，福州大学食品安全与环境监测研究所所长，福州大学化学系主任，教授，博士生导师。

中央直接掌握联系的高级专家，2007年入选国家“百千万知识产权人才工程”百名高层次人才，享受“国务院政府特殊津贴”专家，2004年入选教育部新世纪优秀人才支持计划，福建省“百千万人才工程”人选。

“十五”国家重大科技专项——“福建省食品安全关键技术应用的综合示范”课题首席科学家。福建省中长期科技发展规划战略研究专题常务副组长，主持“人口、健康与公共安全科技发展问题”的研究编写工作。福建省重大科技专项“福建省中药材GAP技术平台及示范基地建设”项目监理组长。福建省重大科技专项“福建省现代分析仪器研发平台建设”项目监理。

获得福建省科学技术一等奖1项、二等奖1项、三等奖3项、福建省教学成果二等奖1项、厦门市科学技术三等奖1项。已在Anal. Chem.、Electrophoresis、J. Chromatog. A、Talanta、Anal. Chim. Acta等著名国际期刊发表论文40余篇，获国家发明和实用新型专利7项。

目前主持“十一五”国家科技支撑计划项目1项、国家高技术研究发展计划(863计划)项目1项、国家自然科学基金项目1项，教育部新世纪优秀人才支持计划1项，高校博士学科点专项基金1项。

李旦振，男，福州大学教授，博士生导师，国务院特殊津贴专家，福州大学材料物理与化学福建省重点学科带头人。

1983年毕业于厦门大学半导体物理专业，获理学硕士学位。长期在福州大学从事材料物理与化学、光电材料和半导体器件物理研究，近几年来，主要开展纳米材料和半导体光催化的研究，一直从事半导体光催化功能材料、纳米光电材料和微结构半导体材料基础理论和应用研究。作为项目负责人先后承担过国家863计划项目、国家自然科学基金项目、福建省重大基础研究计划和福建省重大专项前期研究等十几项国家和省部级重大、重点科研项目，科研经费近500万元。

近年来，充分发挥其集半导体物理、光化学和材料科学等多学科知识于一身的优势，利用光子技术、纳米技术和微波电子学技术解决材料、能源、资源环境等领域提出的应用和理论问题。特别在新型可见光催化剂的研究和开发、利用纳米组装技术合成的光催化剂、微波场助光催化技术的研究等领域里，进行了深入和系统的研究工作。在《Chem. Comm.》、《J. Mater. Chem.》、《Photochemical &Photobiological Sciences》等国内外重要学术刊物上发表论文七十余篇，被SCI、EI收录三十多篇。发明专利4项（己授权2项）。2003年获得国家科技进步二等奖，2002年获得中国石油和化学工业协会科技进步一等奖和福建省科学技术一等奖。

---