神经形态计算 - 忆阻器

忆阻器是神经形态计算技术的重要组成部分。这些存储设备通过改变氧阴离子或金属阳离子等离子的内部分布，以电阻的形式存储信息。这样，神经形态计算机就能够以单个单元的形式存储和处理数据。在本节中，我们将详细介绍神经形态计算机中忆阻器的概述、工作原理和示例。

忆阻器的工作原理?

忆阻器是"记忆电阻器"的简称，其工作原理是根据流经它的电流量和方向调整电阻。即使电源关闭，忆阻器也能记住之前流经它们的电荷量。这种独特的能力使它们能够同时充当神经形态系统中的记忆和处理元素。

想象一个需要学习新模式的神经网络。为了实现这一点，多个忆阻器被排列起来以形成网络的突触连接。当检测到新模式时，在相关忆阻器上施加电压，导致其电阻根据传入的模式发生变化。这种变化使网络能够调整和"学习"新信息。以下是此过程中忆阻器发生情况的分步概述。

• 初始状态:每个忆阻器都以特定的电阻值开始，通常是高电阻状态 (HRS) 或低电阻状态 (LRS)。
• 离子运动:施加电压时，会触发忆阻器材料内离子(如氧空位或金属阳离子)的运动。这种迁移会改变忆阻器的电阻，根据电流的方向增加或减少电阻。
• 电阻变化:忆阻器可以将电阻值的变化存储为实数。因此，这将促进类似于模拟信号的更详细的数据存储。电阻变化可以进行微调以反映复杂的信息模式，而这在使用二进制开/关状态的传统晶体管中是不可能的。
• 记忆保留:电压移除后，忆阻器保留其调整后的电阻，使其成为非易失性存储元件。此功能在神经形态计算中至关重要，其中忆阻器的行为与人脑的突触学习过程非常相似，即使没有连续电源也能保持学习模式。

在神经形态系统中，忆阻器可以充当人工突触，根据传入电信号的强度和时间来调整其电阻。这使它们能够参与学习过程，类似于生物突触通过经验(突触可塑性)调整其强度的方式。

忆阻器的主要特点

以下是忆阻器的主要特点:

• 非易失性存储器:即使电源关闭，忆阻器仍能保持其电阻状态。这使得它们在神经形态系统中存储数据非常高效，类似于大脑保存学习信息的方式。
• 模拟数据存储:传统晶体管以二进制(0 和 1)存储数据，而忆阻器可以使用十进制电阻值以模拟方式存储数据。
• 能源效率:忆阻器运行时需要的功率很低，这使得它们非常节能。这在神经形态系统中是一个显著的优势，因为数千甚至数百万个忆阻器可以并行使用。
• 可扩展性:忆阻器尺寸极小，可实现高密度集成。这种可扩展性使它们适合构建大型神经形态网络，以模仿人脑的密集连接。
• 突触可塑性:忆阻器表现出与生物系统中的突触可塑性类似的行为。它们可以根据遇到的模式加强或削弱连接，从而实现随时间推移的学习和适应。

基于忆阻器的神经元类型

研究人员已经遇到了不同类型的忆阻器，例如扩散忆阻器(例如 SiOxNy:Ag)和 Mott 忆阻器(例如 NbO2 或 VO2)，它们已在神经形态应用中展现出其能力。但是，每种类型都有其自身的局限性:

• 扩散型忆阻器:以其快速的开关速度和高开/关比而闻名，但它们的均匀性较差，这会影响性能可靠性。
• 莫特忆阻器:提供更好的均匀性和速度，但需要高工作电流(~mA)并且开/关比较低，因此能源效率较低。