具有模拟开关的独特忆阻器设计有望实现高效的神经形态计算

Josiah02

基于人工智能 (AI) 的模型的使用日益增多，对电子行业提出了更高的要求，因为许多此类模型都需要大量的存储空间和计算能力。因此，世界各地的工程师一直在尝试开发能够满足这些需求的神经形态计算系统，其中许多系统都基于忆阻器。
忆阻器是一种电子元件，它能调节电路中的电流，同时还能“记住”之前通过的电荷量。这些元件可以复制人类大脑中生物突触的功能，从而提高基于机器学习的模型分析数据和执行计算的效率。
尽管具有巨大潜力，但迄今为止开发的大多数忆阻器都存在重大局限性，包括开/关比较小。这些较小的比率阻碍了忆阻器表示精确重量的能力，从而增加了噪音并降低了算法预测的准确性。
武汉大学的研究人员最近开发出具有模拟开关和高开/关比的前景良好的新型忆阻器。这些忆阻器在《自然电子学》上发表的一篇论文中介绍，采用二维 (2D) 范德华金属材料作为阴极制造而成。
Yeshen Li、Yao Xiong 和他们的同事在论文中写道： “具有多种电导状态的模拟忆阻器在高效神经形态计算中特别有用，但它们的权重映射能力通常受到较小开/关比的限制。”
“我们表明，可以使用二维范德华金属材料（石墨烯或二碲化铂）作为阴极来创建具有模拟电阻开关和大开/关比的忆阻器。忆阻器使用银作为顶部阳极，使用硫化铟磷作为开关介质。”
李、肖和他们的同事提出的独特忆阻器设计引入了超高扩散势垒，限制了银离子的迁移。这最终实现了模拟切换，以及与数字忆阻器中报道的开/关比相当的开/关比。
李、肖和他们的同事写道：“以前的方法主要集中于通过改变电阻开关层或阳极来调节离子运动，这可以降低开/关比。”
“相比之下，我们的方法依赖于范德华阴极，它允许银离子嵌入/脱嵌，从而形成高扩散势垒来调节离子运动。该策略可以实现模拟电阻开关，开/关比高达 10 8 ，电导状态超过 8 位，功耗为阿焦耳级。”
为了评估他们的忆阻器，研究人员对用于图像识别的卷积神经网络 (CNN) 进行了芯片级模拟。他们的发现非常有希望，因为在这次模拟中，该模型表现非常出色，实现了高达 91% 的图像识别准确率。
未来，该团队新开发的忆阻器可以得到进一步改进，并用于运行其他先进的基于人工智能的计算模型。此外，其他研究人员可以着手开发类似的忆阻器，使用替代材料作为开关介质或其他范德华材料作为阴极。