​忆阻器像人类神经元一样运行——计算和存储数据

忆阻器或记忆电阻器是一种新兴形式的非易失性存储器，被认为是传统存储器的可行替代品。这些设备充当开关，即使在电源关闭后也能回忆起它们的电状态，使它们能够像人类神经元一样运行——计算和存储数据。

忆阻器因其众多独特的特性而成为热门研究课题，包括可扩展至较低工艺节点，从而实现更小、更快、更节能的设备。

现在，随着对更复杂和更节能的计算的需求不断增长，忆阻器在各种应用中都有前景，包括人工智能、神经形态计算和高密度数据存储。近几个月来，几个国际研究团队发表了有关忆阻器的研究成果，可能有助于将这项技术从实验室推向市场。

罗切斯特大学：应变工程相变忆阻器

罗切斯特大学的研究人员最近开发了基于应变工程多层二碲化钼 (MoTe2) 的高性能双极相变忆阻器 ）。

这些器件以其双极相变特性而著称，代表了传统丝状传导机制的重大飞跃。研究成功地利用过程诱导应变工程来诱导MoTe2中的半金属到半导体的相变。

这种转变是实现忆阻器卓越开关特性的关键，包括90 mV的低电压、10^8的高开/关比、5 ns 的快速开关时间以及超过10^5秒的长时间保持。这些性能指标表明这些忆阻器在鲁棒、快速、低功耗和可扩展的存储器和神经形态计算系统中的应用潜力。

该器件的性能还可以通过改变单个工艺参数进行微调：接触金属膜力，膜应力和厚度的乘积。这种对器件开关电压和开/关比的控制突显了忆阻器在不同应用中的适应性和潜力。

Cea-Leti：将忆阻器用于贝叶斯神经网络

在法国，Cea-Leti的一组研究人员宣布他们已成功 将忆阻器硬件集成到人工智能系统中。具体来说，该团队利用忆阻器固有的概率性质来有效执行贝叶斯神经网络的计算密集型任务。

在研究中，团队在由75个交叉阵列组成的组件上编写了贝叶斯神经网络，每个交叉阵列包含1024个忆阻器，并辅以CMOS用于内存计算的外围设备。该实验涉及一个两层贝叶斯神经网络，该网络经过训练可以从心电图 (ECG) 记录中区分九类心律失常。

实验结果令人信服，基于忆阻器的贝叶斯神经网络在任意（曲线下面积 0.91）和认知不确定性评估（曲线下面积 0.99）方面几乎与软件神经网络的最佳性能相匹配，尽管原始精度略有下降。这种性能与传统神经网络形成鲜明对比，传统神经网络几乎没有识别未知数据和评估不确定性的能力。

清华大学：基于二维材料的忆阻器

在中国，清华大学的一个团队开发了一种新的系统集成忆阻器内存计算芯片，研究人员声称世界上第一个支持高效片上学习的同类产品。该芯片目前仍处于实验室阶段，预计将显著推动人工智能、自动驾驶、可穿戴设备等领域的发展。

该芯片非常节能，其能耗仅为用于片上学习的专用集成电路 (ASIC) 系统的3%。据该团队介绍，这项创新始于对存储应用忆阻器的研究，花了大约11年的时间才发展到这一点。

忆阻器获得国际关注

忆阻器将计算和内存融合在一个设备中，开辟了节能、高速和智能计算解决方案的新领域。随着国际研究人员不断探索和完善忆阻器技术，他们为更先进、更高效的计算系统铺平了道路，这些系统可以定义下一代电子产品。

原文链接：https://www.allaboutcircuits.com/news/international-researchers-move-the-needle-on-memristor-technology/