33、基于 HfO₂忆阻器的突触器件研究

基于 HfO₂忆阻器的突触器件研究

1. 引言

基于脑启发（神经形态）计算的人工智能（AI）系统未来有望复制大脑功能，如从经验中学习、推理或决策机制等。这类系统在视觉模式识别、医疗传感器和自动驾驶汽车等认知任务应用中潜力巨大。

在电子 AI 系统中，人工神经元通常可使用 CMOS 技术实现，但目前连接前后神经元的电子突触尚无工业解决方案。近年来，基于电阻开关结构（金属 - 绝缘 - 金属结构，MIM）的纳米器件，因其对器件电阻（突触强度）的模拟控制、可扩展性和低功耗运行等特性，被认为是模拟生物突触的合适器件。同时，电阻开关器件需满足生物突触学习规则，即根据单个神经元输出和输入动作电位（或脉冲）的相对时间来调整神经元之间的连接强度（人工神经网络中称为权重）。目前，人们正在探索最适合模拟生物突触的材料，其中高 k 电介质因其出色的电阻调制能力和学习能力，展现出极具前景的突触特性。

本文将研究基于 HfO₂忆阻器的电导可调性，这归因于电场和温度辅助的氧空位/离子迁移过程。通过专门的电学表征结合物理模拟，展示脉冲幅度和脉冲数量等参数对器件电导的影响。结果表明，固有串联电阻和外加电场是控制这些器件电阻开关动力学和电导调制能力的两个关键参数。此外，还将讨论基于 HfO₂的突触器件的可靠性，评估每个突触事件的能量消耗以及与突触权重更新线性相关的非理想不对称性。同时，将介绍不同的物理模拟和建模方法，考虑动力学蒙特卡罗算法，并研究几种不同复杂程度的紧凑模型，这些模型包括控制电阻开关的氧化还原反应和热效应。最后，还将评估由随机电报噪声引起的电流波动的出现以及可用于分析此类噪声信号的几种数值技术。

2. HfO₂基电阻开关结构

基于与 CMOS 兼容的 Hf