【儀表網(wǎng) 研發(fā)快訊】人腦由千億級神經(jīng)元和突觸構(gòu)成，是自然界最高效的計(jì)算平臺，具備卓越的學(xué)習(xí)、記憶與并行處理能力，同時(shí)功耗極低。受此啟發(fā)，類腦計(jì)算(Neuromorphic Computing)成為突破傳統(tǒng)馮·諾依曼架構(gòu)瓶頸的關(guān)鍵方向。其中，阻變器件(Resistive Switching Devices)因其結(jié)構(gòu)簡單、可微縮性強(qiáng)、能耗低等優(yōu)勢，被視為實(shí)現(xiàn)人工突觸功能的理想候選器件。而復(fù)雜氧化物材料由于其豐富的亞穩(wěn)態(tài)和強(qiáng)關(guān)聯(lián)電子特性，在外加電場下可展現(xiàn)出多樣化的阻變行為，為模擬生物神經(jīng)元的脈沖特性以及突觸的可塑性、適應(yīng)性等非線性動力學(xué)特性提供了獨(dú)特平臺。
 

　　圖1. 面向類腦計(jì)算的復(fù)雜氧化物芯片發(fā)展路線示意圖。a) 復(fù)雜氧化物阻變機(jī)制的示意圖，展示了氧空位遷移、界面勢壘調(diào)制以及金屬絕緣體轉(zhuǎn)變物理過程；b) 復(fù)雜氧化物器件典型阻變行為的示意圖，包括電壓-電流響應(yīng)于脈沖響應(yīng)；c) 基于阻變器件構(gòu)建的代表性交叉陣列電路結(jié)構(gòu)；d) 復(fù)雜氧化物在類腦硬件架構(gòu)中的方案示意，體現(xiàn)從單器件到陣列、從功能單元到系統(tǒng)級的演進(jìn)路徑；e) 類腦計(jì)算可高效實(shí)現(xiàn)的典型任務(wù)示例，如模式識別、時(shí)序?qū)W習(xí)、低功耗邊緣智能等。
 

　　近日，金屬材料強(qiáng)度全國重點(diǎn)實(shí)驗(yàn)室研究團(tuán)隊(duì)在《先進(jìn)材料》(Advanced Materials)在線發(fā)表了題為《阻變氧化物：機(jī)制、性能及其在人工智能中的器件-算法協(xié)同設(shè)計(jì)》(Resistive Switching Oxides: Mechanism, Performance, and Device-algorithm Co-design for Artificial Intelligence)的綜述論文。從“材料機(jī)制-器件性能-算法協(xié)同”三位一體的視角出發(fā)，系統(tǒng)梳理了基于復(fù)雜氧化物的阻變器件在類腦計(jì)算領(lǐng)域的最新進(jìn)展，闡述了導(dǎo)電細(xì)絲遷移、界面效應(yīng)、金屬-絕緣體轉(zhuǎn)變等阻變電學(xué)特性的多尺度微觀起以及動力學(xué)特征；對當(dāng)前各類復(fù)雜氧化物阻變器件的關(guān)鍵指標(biāo)(如開關(guān)比、耐久性、保持性、能耗等)進(jìn)行了橫向?qū)Ρ?，明確了性能優(yōu)化路徑；展示了單器件層面模擬生物神經(jīng)功能的能力，更進(jìn)一步探討了器件集成下的任務(wù)驅(qū)動算法協(xié)同設(shè)計(jì)策略，為實(shí)際應(yīng)用提供指導(dǎo)；文章最后客觀分析了當(dāng)前復(fù)雜氧化物阻變器件在一致性、穩(wěn)定性、大規(guī)模集成等方面的挑戰(zhàn)，并對未來神經(jīng)形態(tài)芯片在材料、器件以及算法方向的發(fā)展提出了展望。
 

　　西安交通大學(xué)材料學(xué)院博士生喬煦容，劉子煜，孫嘉輝為共同第一作者，碩士生晏曦、賈欣、劉顯偉、焦婧愷參與了論文的寫作。西安交通大學(xué)材料學(xué)院倪妍、張禎教授為論文共同通訊作者。該論文在西安交通大學(xué)材料學(xué)院孫軍院士和丁向東教授共同指導(dǎo)下完成，論文依托金屬材料強(qiáng)度全國重點(diǎn)實(shí)驗(yàn)室，同時(shí)得到了國家自然科學(xué)基金(62475211)(52071258)，中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(xzd012022022)(xtr072024009)、以及小米青年學(xué)者項(xiàng)目的支持。