41、基于二进制忆阻器交叉开关的汉明关联存储器

基于二进制忆阻器交叉开关的汉明关联存储器

1. 引言

人工神经网络通常使用加权系数矩阵来表示一组神经元层的突触。因此，计算层神经元的激活可以看作是加权矩阵与输入层信号向量的乘法。然而，神经网络的硬件实现需要大量内存来存储神经元层的权重矩阵，成本较高。

为了解决这个问题，“忆阻器”被用作存储单元。忆阻器由Chua在1971年从理论上预测，并于2008年由惠普实验室以TiO₂薄膜结构的形式首次实现。忆阻器具有诸多优点，如非易失性存储介质、低功耗、高集成密度和出色的可扩展性。其独特的保留设备激励痕迹的能力，使其成为实现神经网络中电子突触的理想选择。

忆阻器的行为类似于突触，它能“记住”通过它的总电荷。基于忆阻器的存储器可以达到非常高的集成度，比基于闪存技术的存储器高出数倍。这些特性使得忆阻器成为创建大规模并行神经形态系统的有前途的设备。

与模拟忆阻器相比，基于开关细丝机制的二进制忆阻器分布更广泛。当切换细丝时，忆阻器可以具有高电阻（HR）或低电阻（LR），因此在切换二进制忆阻器的细丝时，只能存储1或0（ - 1）。而且，由于HR远高于LR，尽管电阻存在大量波动，但二进制忆阻器对于统计波动比模拟忆阻器更稳定。

忆阻器的电阻（忆阻）可以表示为：
[M(p) = p \cdot R_{on} + (1 - p) \cdot R_{off}]
其中，(0 \leq p \leq 1)是掺杂前沿相对于TiO₂总膜厚度(h)的位置，(R_{on})是最小忆阻，(R_{off})是最大忆阻。当施加高于阈值(V_{th})的电压(V)时，忆阻器的忆阻会因低电阻掺杂带(D)的扩展和高电阻纯氧化物区域(U)的缩小而降低；施加低于(-V_{th})