XiaoMi-AI文件搜索系统
World File Search System忆阻
用于神经形态计算的具有易失性阈值开关行为的氧化还原忆阻器
脉冲神经网络 (SNN) 的设计灵感来源于人类大脑，它是使用集成系统中的传统或新兴电子设备在硬件上实现高效、低成本和鲁棒的神经形态计算的最强大平台之一。在硬件实现中，人工脉冲神经元的构建是构建整个系统的基础。然而，随着摩尔定律的放缓，传统的互补金属氧化物半导体 (CMOS) 技术逐渐衰落，无法满足日益增长的神经形态计算需求。此外，由于 CMOS 器件的生物可行性有限，现有的人工神经元电路非常复杂。具有易失性阈值开关 (TS) 行为和丰富动态的忆阻器是超越 CMOS 技术模拟生物脉冲神经元并构建高效神经形态系统的有希望的候选者。本文回顾了有关 SNN 基础知识的最新进展。此外，我们回顾了基于 TS 忆阻器的神经元及其系统的实现，并指出了系统演示中从器件到电路需要进一步考虑的挑战。我们希望这篇综述可以为未来基于忆阻器的神经形态计算的发展提供线索和帮助。
基于忆阻器的脉冲神经网络 - ePrints Soton
新兴的非易失性存储设备，即忆阻器，在神经形态硬件设计中展现出了非凡的前景，特别是在脉冲神经网络 (SNN) 硬件实现中。基于忆阻器的 SNN 已经应用于解决传统人工神经网络 (ANN) 解决的任务（例如图像分类和模式识别），并且不同学科仍在进行更多尝试以挖掘这一新研究课题的潜力。要将忆阻器应用于神经形态应用（本文中严格定义为使用 SNN 的应用），可以遵循两种途径。一种方法是首先利用硬件基础设施来表征和控制忆阻器设备，然后将其映射到应用程序的更高级函数（例如矩阵乘法）。另一种方法是将数据驱动的忆阻器模型嵌入软件模拟器中，以使用从真实设备中提取的参数来模拟应用程序。
基于可扩展单层 ReS 2 /WS 2 异质结构的具有突触可塑性的电光可控忆阻器
随脉冲数增加而呈现增加趋势，并表现出显著的光感应行为，随着光功率从0 mW增加到8 mW而稳步增强。这种依赖于功率的电导控制表明了对突触权重的光学可调性，预示着未来视觉神经应用的潜力。图4i展示了通过调制光功率对开关时间（施加单脉冲时设备电流稳定的时间）的有效控制。对于读取电压为1 V、幅度为5 V、脉冲宽度和间隔均为3 s的脉冲，在532 nm激发下，开关时间从约1.8 s减少到0.6 s。这暗示了光调制忆阻器在神经形态应用上的高级灵敏度。
忆阻器——第四大基本无源电子元件及其记忆解释
30 多年来，忆阻器一直是个谜，直到 2008 年 [ 8 ] HP 实验室的一组研究人员宣布成功实现第一个器件形式的忆阻器。这一最新发现吸引了众多科学家、工程师和研究人员的注意，他们纷纷探索忆阻器在分立和阵列配置中的更多可行应用及其器件技术。HP 忆阻器技术由厚度为 D 的氧化钛 (TiO 2 ) 薄膜双层和两个用作电极的铂 (Pt) 金属触点组成。TiO 2 的一部分掺杂了氧空位，因此变成 TiO 2-z，另一部分保持纯 TiO 2 。这些氧空位带正电，因此具有导电性，未掺杂的另一侧具有电阻特性，使得整个排列表现为半导体材料，见图 4。请注意，实际上带电掺杂剂沿着器件宽度散布，但是，其在一边的浓度与另一边的浓度相比可以忽略不计，从而导致两个不同的电阻区域。结构布置构成了两个串联连接的电阻 𝑅𝑅 𝑜𝑜𝑜𝑜 和 𝑅𝑅 𝑜𝑜𝑜𝑜𝑜𝑜。 𝑅𝑅 𝑜𝑜𝑜𝑜 电阻对应于宽度为 ( w ) 的掺杂区域（TiO 2-z 即高导电区域），而 𝑅𝑅 𝑜𝑜𝑜𝑜𝑜𝑜 电阻对应于宽度为 ( Dw ) 的未掺杂区域（TiO 2 即低导电区域），因此 𝑅𝑅 𝑜𝑜𝑜𝑜𝑜𝑜 ≫ 𝑅𝑅 𝑜𝑜𝑜𝑜 是两个电阻极限，分别表示器件的 OFF 和 ON 状态。掺杂区域和未掺杂区域之间的边界（用双向箭头表示）根据流动电流的方向或施加电压的极性来回移动。
用于神经形态和模拟计算的全集成忆阻器系统
本最终技术报告详细介绍了 AFRL 拨款 FA8750-18- 2-0122 下取得的成果。该项目的总体目标是开发一个基于忆阻器的神经形态计算硬件平台。在简要介绍背景和原理之后，介绍了技术方法。以下各节总结了设备、阵列和集成系统级别的研究成果。利用我们之前在设备开发和单晶体管单电阻 (1T1R) 阵列集成方面的成就，我们实现了全硬件忆阻多层神经网络，集成了用于并行图像和视频处理的三维 (3D) 忆阻器阵列，并构建了用于时间编码计算的新测试器。我们还开发了新的选择器设备，展示了单选择器单电阻 (1S1R) 阵列集成，展示了储层计算，并提出了扩散和漂移忆阻器的统一紧凑模型。
一种用于实现随机二进制尖峰时间相关可塑性的 CMOS-忆阻器混合系统
本文介绍了一个完全实验性的混合系统，其中使用定制的高阻态忆阻器和采用 180 nm CMOS 技术制造的模拟 CMOS 神经元组装了一个 4 × 4 忆阻交叉脉冲神经网络 (SNN)。定制忆阻器使用 NMOS 选择晶体管，该晶体管位于第二个 180 nm CMOS 芯片上。一个缺点是忆阻器的工作电流在微安范围内，而模拟 CMOS 神经元可能需要的工作电流在皮安范围内。一种可能的解决方案是使用紧凑电路将忆阻器域电流缩小到模拟 CMOS 神经元域电流至少 5-6 个数量级。在这里，我们建议使用基于 MOS 阶梯的片上紧凑电流分配器电路，将电流大幅衰减 5 个数量级以上。每个神经元之前都添加了这个电路。本文介绍了使用 4 × 4 1T1R 突触交叉开关和四个突触后 CMOS 电路的 SNN 电路的正确实验操作，每个电路都有一个 5 个十进制电流衰减器和一个积分激发神经元。它还演示了使用此小型系统进行的一次性赢家通吃训练和随机二进制脉冲时间依赖可塑性学习。
使真正的忆阻内存处理更快且......
摘要 — 忆阻技术是替代传统内存技术的有吸引力的候选技术，并且还可以使用一种称为“状态逻辑”的技术来执行逻辑和算术运算。将数据存储和计算结合在内存阵列中可以实现一种新颖的非冯·诺依曼架构，其中两种操作都在忆阻内存处理单元 (mMPU) 中执行。mMPU 依赖于在不改变基本内存阵列结构的情况下向忆阻内存单元添加计算能力。使用 mMPU 可以缓解冯·诺依曼机器对性能和能耗的主要限制，即 CPU 和内存之间的数据传输。这里讨论了 mMPU 的各个方面，包括其架构和对计算系统和软件的影响，以及检查微架构方面。我们展示了如何改进 mMPU 以加速不同的应用程序，以及如何在 mMPU 操作中改进忆阻器的可靠性差的问题。
拓扑化学合成磷化铜纳米带用于柔性光电忆阻器
金属磷化物纳米带因特殊的电子结构、大的接触面积和优异的力学性能而成为柔性光电子微器件的理想构建材料。本工作采用拓扑化学方法从结晶红磷纳米带（cRP NR）制备单晶磷化铜纳米带（Cu 3 P NR）以保留 cRP 形貌。Cu 3 P NR 用于在 ITO/PEN 基底上构建柔性光电忆阻器，以 Cu 3 P NR 的天然氧化壳作为电荷捕获层来调节电阻开关特性。基于 Cu 3 P NR 的忆阻器在不同机械弯曲状态和不同弯曲时间下均具有出色的非挥发性存储性能。从基于 Cu 3 P NR 的忆阻器中观察到光学和电学调制的人工突触功能，并且由于记忆回溯功能，使用 Ag/Cu 3 P/ITO 人工突触阵列实现了模式识别。拓扑化学合成法是一种通用方法，可用于生产具有特殊形态和特定晶体取向的纳米结构化合物。结果还表明，金属磷化物是未来光电神经形态计算的忆阻器中的优良材料。
集成传感记忆的低能耗光纤型忆阻器阵列
基于电阻开关的忆阻器 (RS) 是一种令人着迷的新兴存储技术，由于其 1 – 8 个优点而备受关注，包括可行、运行速度快、长时间保留、高密度和低能耗。为了模仿生物体对外部刺激作出反应并存储感知信号的功能，集成记忆感应系统应运而生。例如，Bowen Zhu 等人 9 将压力传感器集成到记忆装置中，在最先进的电子皮肤装置和皮肤启发集成触觉记忆装置之间建立了桥梁，以模仿自然皮肤的触觉记忆。在另一个例子中，就视觉记忆系统而言，将紫外光传感器集成到忆阻器阵列上能够为认知任务提供必要的外部感觉记忆。10,11
基于忆阻器的边缘计算信号处理
赵晗就职于清华大学北京国家信息科学技术研究中心集成电路学院，北京 100084，中国，同时也就职于哈尔滨工业大学微电子科学与技术系，哈尔滨 150001。电子邮件：1172100403@stu.hit.edu.cn。刘正武就职于清华大学北京国家信息科学技术研究中心集成电路学院，北京 100084，中国。电子邮件：liuzw18@mails.tsinghua.edu.cn。唐建石、高斌、钱赫和吴华强就职于清华大学北京国家信息科学技术研究中心集成电路学院，北京 100084，中国，同时也就职于清华大学北京未来芯片创新中心，北京 100084。电子邮件：f jtang, gaob1, qianh, wuhq g @tsinghua.edu.cn。张玉峰就职于哈尔滨工业大学微电子科学与技术系，哈尔滨 150001，中国。电子邮件：yufeng zhang@hit.edu.cn。Ž 赵涵和刘正武对本文贡献相同。通讯作者。稿件收到日期：2021-02-27；修订日期：2021-06-15；接受日期：2021-06-27。