25、忆阻器交叉阵列基准测试指南与生物材料双极电阻开关研究

忆阻器交叉阵列基准测试指南与生物材料双极电阻开关研究

1. 忆阻器交叉阵列相关概述

在过去十年里，尖峰神经网络成为实时实现的首选方法。它受欢迎的原因在于其与生物神经元模型具有生物学相似性，并且能够降低每个神经元的能耗。基于忆阻器交叉阵列的神经网络的实际实现大多并非纯粹的模拟电路，而是数字和模拟电路的混合。模拟实现更适合用于边缘人工智能传感器，例如实时计算机视觉或生物医学应用；而数字部署则更适合通用的神经计算应用。

如今使用的深度学习神经网络代表着弱人工智能系统，其中神经网络是特定于应用的。文献中提出的绝大多数模拟忆阻神经网络都专注于弱人工智能系统的开发。这些弱人工智能系统可应用于人脸识别、语音识别、语言识别、图像识别和字符识别等领域。

大多数深度学习系统包含约 1000 万个神经元，如果用忆阻硬件实现，大约相当于 3000 万个半导体器件。与数字芯片的复杂性相比，这一规模相对较小。然而，对于此类神经网络的模拟电路实现，要确保低功耗、紧凑和稳健的设计仍然是一项具有挑战性的任务。在大多数情况下，设计需要精确地针对应用进行调整，并且往往会失去最初建立的神经网络的通用性。因此，需要使用相关指南来对不同技术的系统性能进行基准测试，以确保在报告忆阻模拟神经网络设计性能时整个行业的一致性。

2. 生物材料双极电阻开关研究

2.1 研究背景

如今，计算设备在人类生活中无处不在，物联网、大数据和人工智能的兴起推动了高效智能计算设备的发展。高效计算设备的关键在于能够按需存储和提供数据给处理单元，因此需要进行大量的数据处理和存储。高速且无错误的数据存储和检索操作是任何计算系统的决定性因素。目前，商业上广泛使用基于闪存的非易失性存储器，