XiaoMi-AI文件搜索系统
World File Search System忆阻
利用...开发基于 HfO2-X 的神经忆阻器
在本研究中，我们制造了一种 Ta/HfO 2-x /Mo 基单细胞忆阻器，这是一种全球独一无二的配置。研究了基于 HfOx 的忆阻器器件上钽和钼电极的突触行为。使用脉冲激光沉积 (PLD) 方法生长 HfO 2-x (15 nm)，并使用溅射系统和光刻法制造电极。通过 X 射线光电子能谱 (XPS) 确定金属氧化物化学计量。成功获得了长期增强 (LTP) 和成对脉冲促进 (PPF) 特性，它们在人工神经网络的学习过程中发挥着重要作用。进行了电流-电压测量和保持测试，以确定器件在适当范围内的 SET 和 RESET 状态。结果表明，该忆阻器器件是人工神经网络 (ANN) 应用的有力候选者。
忆阻器、忆电容及其在神经形态计算中的应用
我们打算证明，我们可以构建专用硬件，使用忆阻器和忆电容将神经网络直接映射到该硬件上，从而提高网络的能源效率。我们将使用以集成电路为重点的模拟程序 (SPICE) 来模拟我们的忆电容和忆阻器。使用此模型，我们将创建一个忆阻和忆电容元件的储存器，并在一系列忆电容与忆阻器比率中评估我们的设计，同时测试储存器结构，包括小世界、交叉开关、随机、分层和幂律实现。我们假设我们的设计将大大提高神经网络的能源效率和性能。
超低电压生物电压忆阻器的最新进展
由模拟大脑生物电信息处理的忆阻器构建的神经形态系统可能会克服传统计算架构的限制。然而，仅靠功能模拟可能仍无法实现生物计算的所有优点，生物计算使用 50-120 mV 的动作电位，至少比传统电子设备中的信号幅度低 10 倍，以实现非凡的功率效率和有效的功能集成。因此，将忆阻器中的功能电压降低到这种生物幅度可以促进神经形态工程和生物模拟集成。本综述旨在及时更新这一新兴方向的努力和进展，涵盖设备材料成分、性能、工作机制和潜在应用等方面。
基于忆阻器的可靠安全混沌通信，可抵御窃听者和不受信任的代工厂
混沌是一种确定性现象，在特定条件下，状态向量的轨迹变得周期性且对初始条件极为敏感，发生在非线性动态系统中。虽然传统的基于电阻的混沌通信主要关注网络上信息的安全传输，但由于外包制造，收发器本身可能会受到损害。随着资源受限的植入式和可穿戴设备中无线传感器的增长，如果传输的信息可靠且发射机设备安全，混沌通信可能是一个不错的选择。我们相信，作为第四个基本两端电路元件的忆阻器可以缩小可靠通信和安全制造之间的差距，因为它的电阻可以由设计人员而不是代工厂编程和保存。因此，在本文中，我们提出了一种基于忆阻器的蔡氏混沌收发器，它在存在窃听者的情况下都是可靠的，并且在不受信任的代工厂面前是安全的。具体来说，我们考虑相同忆阻器值下的发射器和接收器对，以显示
新兴的忆阻人工神经元和突触装置......
自从 20 世纪中叶麦卡洛克-皮茨神经元 1 和感知器 2 模型诞生以来，人工智能 (AI) 或人工神经网络 (ANN) 在很大程度上仍然是一个计算机科学术语。由于计算能力不足，本世纪后期的进展受到阻碍。1980-2000 年期间的集成电路制造无法在单个处理器和内存芯片上高密度集成晶体管。因此，在深度神经网络 (DNN) 或深度卷积神经网络 (DCNN) 3 上运行模拟并存储指数级累积的数据在时间和能源成本方面是不切实际的，尽管当时 ANN 模型已经相对完善 4-10 。随着芯片密度的提升以及对摩尔定律的追求带来的图形处理单元 (GPU) 等多核处理器的出现，再加上更高效的 ANN 算法 3,11,12，计算能力瓶颈在本世纪初得到成功解决。2012 年，具有十亿个连接的 DNN 被证明能够识别猫和人体等高度概念化的物体 13。同年，DNN 被证明在图像分类准确率方面与人类不相上下（基于 MNIST 数据库），甚至在交通标志识别方面也超越了人类 14。脉冲神经网络 (SNN) 由 Maass 于 1995 年提出 15,16，它采用脉冲
基于忆阻器的轻量级、高鲁棒性的混合神经网络
基于忆阻器的神经形态计算在高速、高吞吐量信号处理应用（如脑电图 (EEG) 信号处理）中显示出巨大潜力。尽管如此，单晶体管单电阻 (1T1R) 忆阻器阵列的大小受到器件非理想性的限制，这阻碍了大型复杂网络的硬件实现。在本文中，我们提出了深度可分离卷积和双向门循环单元 (DSC-BiGRU) 网络，这是一种基于 1T1R 阵列的轻量级且高度稳健的混合神经网络，通过混合 DSC 和 BiGRU 块，能够在时间、频率和空间域中有效处理 EEG 信号。在确保网络分类准确性的同时，网络规模减小了，网络稳健性提高了。在模拟中，通过统计分析将测得的 1T1R 阵列的非理想性带入网络中。与传统卷积网络相比，在阵列成品率95%、容错率5%的条件下，网络参数减少了95%，网络分类准确率提高了21%。该工作表明，基于忆阻器阵列的轻量级、高鲁棒网络对于依赖低消耗和高效率的应用具有巨大的前景。
忆阻材料、器件和系统的最新进展和未来前景
摘要：忆阻技术已迅速崛起，成为传统 CMOS 技术的潜在替代品，而传统 CMOS 技术在发展过程中面临着根本性的限制。自 2008 年氧化物基电阻开关被证明可用作忆阻器以来，忆阻器件因其仿生记忆特性而备受关注，有望显著改善计算应用的功耗。本文，我们全面概述了忆阻技术的最新进展，包括忆阻器件、理论、算法、架构和系统。此外，我们还讨论了忆阻技术各种应用的研究方向，包括人工智能硬件加速器、传感器内计算和概率计算。最后，我们对忆阻技术的未来进行了前瞻性展望，概述了该领域进一步研究和创新的挑战和机遇。通过提供忆阻技术最新进展的最新概述，本综述旨在为该领域的进一步研究提供信息和启发。关键词：忆阻器、内存计算、电阻开关存储器、铁电存储器、相变存储器、离子插层电阻、记忆晶体管、神经形态计算、传感器内计算
基于纳米结构双层 ZrOx/Au 薄膜的双端忆阻器的增强和抑制行为
摘要 模拟突触功能（例如增强和抑制）对于开发人工神经形态结构具有战略意义。通过在去除开关信号后利用电阻水平的逐渐放松，忆阻器可以定性地再现生物突触的短期可塑性行为。为此，已经提出了各种基于纳米制造的金属氧化物半导体堆栈的忆阻器。在这里，我们介绍了一种不同的制造方法，该方法基于以双层平面配置沉积的簇组装纳米结构氧化锆和金薄膜（ns-Au / ZrO x）。该装置表现出具有短期记忆和增强/抑制的忆阻行为。观察到的松弛可以用拉伸指数函数来描述。此外，在重复脉冲应用下，短期现象的特征时间会动态变化。我们的纳米结构装置的特点是与其他纳米级忆阻装置相比，导电路径长度明显更长；氧化锆纳米结构薄膜的使用使得该装置与神经元细胞培养兼容。
集成光忆阻器 1. 简介
电子器件中的忆阻器已显示出从电路元件到神经形态计算等一系列应用的潜力。这种改变电子器件中通道电导率的能力近年来使内存计算成为可能，从而吸引了人们对忆阻器的极大兴趣。光学模拟需要以半连续和非易失性的方式调制光的传输。随着光子计算的普及，人们正在使用一系列功能材料来实现这种光学模拟，即调制集成电路中的光学响应，同时保持调制状态。在这里，我们回顾了光子集成电路这一重要且新兴领域的最新进展，并概述了当前的最新技术。光学忆阻器在高带宽神经形态计算、机器学习硬件和人工智能中的应用尤其令人感兴趣，因此这些忆阻器的光学类似物允许将超快、高带宽光学通信与本地信息处理相结合的技术。
电压忆阻器
脑机接口（BCI）可以建立大脑与外部设备之间的信息交互，从而实现对活体生物组织行为的有效控制和协调，最终实现生物智能与人工智能的完美融合。[1,2]大脑作为神经系统中最高级的部分，在多维信息处理、智能计算与决策方面具有极高的效率和极低的功耗，这主要归功于神经元之间复杂的连接。[3–7]作为大脑计算引擎的神经元通过突触紧密连接（图1 a）。在生物突触中，传递到突触前神经元的神经电刺激（动作电位）导致电压门控Ca 2 +通道的开放，导致Ca 2 +离子内流，进而诱导胞吐的发生，促进神经递质的释放到突触间隙。来自突触间隙的神经递质在突触后质膜被NMDA和AMPA受体/离子通道接收，导致离子通道的开放或关闭，最终离子内流进入突触后神经元并建立突触后电位，这表明该过程在调节突触后细胞膜电导和膜电位的快速变化中起着重要作用（图1b）。[2,7–9]在此过程中，产生动作电位时膜电位的变化可分为静息、去极化、复极化和超极化四个阶段，如图1c和表1所示。如我们所见，生物系统的实际工作电压要求约为50–120 mV（生物电压）。 [10,11] 另一方面，基于与生物神经系统高度相似的忆阻器的类脑神经形态器件研究取得了重要进展，从根本上突破了冯·诺依曼瓶颈，真正实现了存储与计算的一体化。值得注意的是，受到生物大脑高效计算、低功耗的启发，忆阻器的工作电压与生物系统所需的生物电压相匹配，可以高效地处理复杂信息并进行进一步决策，为与生命体的连接和通信奠定基础。