探究：忆阻器特性
忆阻器是一种电子器件，它可以根据施加的电压或电流编程其阻性状态。因此，忆阻器能够同时存储和处理信息，打破了冯·诺依曼架构的瓶颈。
自从惠普公司于2008年推出了首款纳米忆阻器以来，该技术已经取得了重大进展，使得纳米级结构的低功耗、高耐久性器件能够展现出优于传统CMOS器件的性能。
一、忆阻器优缺点
一方面，提高电阻状态的识别精度可以减轻边缘电路/硬件（如放大和读出信号）的负担。另一方面，较高的电阻比率通常包含更多中间电阻状态，这与权重调整精度呈正相关。
换句话说，电阻比率决定了将权重映射到电导的能力。线性度表示电导随着施加脉冲数的变化而增加和减少的均匀程度。
当施加相同的电信号时，低线性度会导致设备的电导变化不一致，从而显著降低了训练过程的准确性。为了在低线性度下获得所需的权重，需要进行更多的尝试，这将增加权重调整反馈调整的成本。导电灯丝型忆阻器通常由于导电灯丝的反复形成和切割而具有低线性度。
另外，I-V对称性分别表示施加正电压和负电压时器件电阻迟滞的对称性。如果器件不对称，则在施加不同极性的电压时，突触权重的更新规则无法统一，这将增加电路和算法设计的难度。
二、随机性和整合性
忆阻器参数，如高电阻状态/低电阻状态比值和开关电压，通常在不同的器件和周期中表现出随机性。这种随机性表示设备电阻在给定时间段内随机波动的程度。
它可以在一定程度上影响神经网络的存储和学习过程。当随机性较低时，设备在一定时间内维持的电阻波动很小，因此神经形态系统的训练和识别过程可以实现高精度和稳定性。
然而，随机性也不一定是一件不受欢迎的事情。它还可用于实现特定功能，例如随机数生成器、随机神经元和突触。将器件本身的变化纳入计算的好处是提高了故障和噪声容限，这也体现了权衡效应。导电丝的复杂性服从泊松分布，可以用于随机数计算。通过使用基于Ag的扩散忆阻器，可以实现高稳定性随机数发生器。
通过使用忆阻器，进一步弥补了非线性突触权重计算中由于随机性引起的低精度。其中，钛/钛2/Pt忆阻器可用于实现随机尖峰神经元，因为设备切换的可变性近似为泊松过程，可进一步利用其激发尖峰。构建随机突触成功地将随机性引入神经网络，实现了低功耗和高鲁棒学习。
忆阻器的器件密度表示可以制造的阵列的大小。高器件密度可以提高神经网络的学习性能，减小尺寸和功耗，这对于构建神经形态计算系统至关重要。
三、保留和耐久性
在人工神经网络和类脑计算中，保留能力和耐久性是人工突触必须具备的关键特性。为确保系统稳定运行，忆阻器必须具有可靠的保持力和耐久性。已有研究表明，导电灯丝器件和相变忆阻器在保留性方面表现出色。
对于导电灯丝器件，器件的耐久性可能受到介电层材料和电极的不希望的氧化还原反应、灯丝原子的随机扩散以及灯丝的过度生长等因素的影响。采用溶液法制备了苯丙氨酸二肽微丝可以集中形成导电丝并提高器件的耐久性。
对于相变忆阻器，设备的耐久性主要与电迁移有关。现有的研究通过设计薄膜沉积技术、选择合适的材料和优化器件结构来提高耐久性。
通过这种方法，已经研究出一种富含锑的GST PCM，其在4°C下周期为1011次，数据保留时间为5.85年。与导电灯丝器件和相变忆阻器相比，MTJ和FTJ在切换过程中具有更小的原子位移，因此在理论上具有更高的耐久性。
四、开关能量和速度
低开关能量和快速开关速度对计算具有重要意义。它们有助于进一步提高人工神经网络的计算能力，以满足大规模数据计算的需求。
对于导电灯丝器件，开关能量主要由RESET过程决定。大多数ECM和VCM设备的RESET能量超过100 fJ。然而，已经报道了一种RESET能量为6 fJ的忆阻器，这是现有文献中最小器件。
到目前为止，大多数报告的器件的开关速度都在100 ns以内。某些器件的开关速度约为50 μs，但代价是开关电压更高。对于相变忆阻器，开关能量与器件的体积有关。已经报道了一种基于碳纳米管的低功耗存储器（约为100 fJ）。
然而，由于相变所需的高结晶温度，PCM通常具有高于1000 fJ的开关能量。PCM的开关速度主要取决于相变材料的生长速率和成核速率。
笔者观点
在人工智能领域，发展新型的人工神经网络硬件设备是非常重要的。在这些硬件设备中，保留和耐力以及低开关能量和快速开关速度是关键的性能指标。当前，导电灯丝器件和相变忆阻器是研究中最有前途的器件。
此外，为了提高络的计算能力，需要进一步降低开关能量和加快开关速度。在硬件设计上，需要针对不同的器件类型，通过优化结构和材料的选择来实现这些目标。#历史开讲#
