摘要
受人脑的启发，构建智能高效的神经形态机器一直以来是科学家们孜孜不倦的追求。尤其在当今大数据时代，随着数据量的急剧增加，基于存算分离体系架构的传统冯·诺依曼计算机在实时高效的数据处理问题上越来显得捉襟见肘。因此，借鉴人脑结构构建神经形态机器的研究被推向了历史的浪潮顶尖。在人脑中，神经元和突触是基本的计算单元，那么设计实现神经元和突触电路便是构建神经形态机器的关键。然而，由于传统CMOS器件缺乏内在的动态特性而导致神经元和突触电路构成复杂，很难集成到人脑的规模，且CMOS器件即将达到其物理瓶颈。因此，开发具有内在动态特性和可微缩的新原理器件来构建高效的神经形态机器受到产业界和学术界的广泛关注。忆阻器，具有结构简单、内在动态特性丰富、功耗低、可微缩性好、易于三维集成、与现有CMOS工艺兼容等优点，被认为是实现低功耗、高密度神经形态机器的理想硬件单元。本文围绕如何利用忆阻器电致阻变行为的动态特性实现脉冲神经元和人工突触进而构建高效的神经形态机器，开展了器件优化，电路设计，行为模拟，系统验证等方面的工作。取得了如下创新性的成果: (1)多值阻变忆阻器件及神经突触功能仿生 a.在Cu/a-Si/Pt结构的忆阻器中，我们发现通过控制注入a-Si层中的Cu离子量，器件表现出易失性和非易失性两种转变行为。利用该独特特性，生动地模拟了生物突触的短时程和长时程可塑性。此外，在重复刺激下，还观察到该器件可以实现从短时程记忆到长时程记忆的转变，对应于生物体的训练过程。 b.为实现突触器件的多值可控及线性电导调制，我们进一步通过双层堆叠工艺设计了一种缓变特性良好的Pd/HfO2/WOx/W突触器件。在脉冲编程下，可实现极宽的电导变化范围(＞300)和高耐久周期(＞106)。然后利用变脉幅和变脉宽两种编程方案分别得到了近似线性的电导变化行为，在MNIST手写数字数据集上的系统仿真识别率达到95.3％，接近理想情况。 (2)基于易失性忆阻器的神经元电路及系统验证 a.首次将忆阻器中离子导电桥的自发断裂过程引入到神经元电路的实现中，将Ag/SiO2/Au器件作为漏电积分发射神经元的阈值开关。实现了神经元动作电位的四个关键特征:动作电位的全或无、阈值发射、不应期和强度调制的频率响应。系统仿真证明所设计的神经元可作为用于模式识别突触后神经元。 b.为提高神经元的可集成度，解决单忆阻器神经元在脉冲串刺激下不能正常的连续放电以及缺乏对忆阻器突触在线训练的能力等问题。我们通过将Ag/SiO2∶Ag/Au忆阻器与简单的数字电路相结合构建了混合神经元电路，并设计了专门的侧向抑制忆阻器阵列。进一步构建了一个由混合神经元和忆阻器突触组成的全硬件多层脉冲神经网络并实现了在线训练。 c.鉴于脉冲神经网络(SNN)的训练算法不成熟，基于转换方法的SNN具有更高的识别精度。为实现转换SNN，利用具有金属-绝缘态转变(MIT)性质的NbOx器件构建了一种1T1R结构的神经元电路，输出脉冲发放频率与输入电压关系可以匹配人工神经网络(ANN)中的ReLU激活函数。并进一步利用该神经元电路和忆阻器突触阵列构建了320×10的网络，实现了ANN到SNN的转换。在MNIST手写体数据库上得到了与ANN相当的识别率。 (3)基于NbOx器件的脉冲传入神经电路及脉冲机械感受系统 首次提出了一种基于NbOx忆阻器的人工脉冲传入神经电路作为传感器与脉冲神经网络的紧凑接口。通过TEM测试验证了NbOx器件的转变机制，并系统研究了传入神经放电频率与外界刺激强度的关系。利用该传入神经，我们进一步实现了一个以无源压电元件为触觉传感器的零静态功耗脉冲机械感受系统。实验证明，该传入神经电路可以用来构建具有自我感知意识的高级神经形态机器。
NETL