基于离子型忆阻器的神经形态系统:从材料、器件到芯片

现有的“冯·诺依曼”体系因其计算与存储分离的特点难以满足人工智能、物联网等新技术在能耗和速率方面的发展需求,而存算一体化的类脑计算方案有望突破这一瓶颈.忆阻器是一种新型微电子基础器件,其电阻可通过外界电场调节,而且忆阻器在结构与功能上接近于生物大脑中的突触和神经元,利用其构建的忆阻神经网络具有小尺寸、高速和低能耗等优良特性,有助于实现更接近生物大脑的人工智能.本文对忆阻器领域近年来的研究进展进行了全面的综述:在材料层面,根据阻变机理介绍了忆阻器的不同类型;在器件层面,结合当前忆阻器的应用背景论述了基于离子型忆阻器的性能要求及优化措施;在系统层面,讨论了离子型忆阻器作为忆阻突触、忆阻神经元的应用,并进一步概述了忆阻神经网络的网络结构、学习算法和硬件实现,最后对基于离子型忆阻器的神经形态芯片所面临的挑战和未来前景进行了总结与展望.     

神经形态器件研究进展与未来趋势

大数据时代的信息爆炸、摩尔定律的逐渐减缓和"万物互联"的最终愿景使得发展高性能的非传统计算迫在眉睫. 21世纪以来,神经形态计算以高度的并行、极低的功耗和存算一体的特征受到了广泛的关注.其中,具有独特物理机制的神经形态器件是神经形态计算硬件的基本组成单元,对新型非冯·诺依曼架构芯片的研发乃至类脑智能的最终实现都具有重要意义.本文重点介绍了神经形态器件的研究进展和未来研发的趋势.研究低功耗的神经形态器件与集成方法,提高突触器件的线性度、对称性和开关比以及从动力学角度模拟生物启发的神经系统是该领域的研究热点.