IF=33.7！武汉大学，Nature Electronics！

研究背景

随着人工智能应用的迅猛发展，数据密集型计算对计算能力的要求越来越高，传统的冯·诺依曼架构的数字计算已逐渐难以满足这种需求。类脑计算作为一种新兴的计算架构，因其在处理速度和效率方面的优势，成为了研究热点。类脑计算主要依靠忆阻器来模拟神经突触的功能，进而实现内存计算和模拟计算。然而，现有的模拟忆阻器大多存在开关比较低的问题，这限制了其在权重映射和多级存储中的应用精度。具体而言，现有的忆阻器多只有开关比在20以下，导致电导态数量有限，难以提供足够的模拟特性来完成复杂的类脑计算任务。

成果简介

为了解决这一挑战，武汉大学李叶生, 何军以及武汉理工大学熊遥等团队携手在Nature Electronics期刊上发表了题为“Memristors with analogue switching and high on/off ratios using a van der Waals metallic cathode”的最新论文。研究者们提出了一些新方法来改进忆阻器的模拟特性，特别是通过引入具有更高开关比的二维范德瓦尔斯材料作为阴极，利用离子插层/去插层策略来调节忆阻器的开关过程。

这种方法通过创建高扩散屏障，抑制了离子迁移，提高了模拟性能。相关研究表明，这种新型忆阻器不仅能够实现高达10⁸的开关比，还具备超过8位的电导态，且在功耗方面低至56阿托焦耳，从而显著提升了类脑计算的效率和精度。这一成果为类脑计算设备的优化和实际应用提供了新的技术路线和理论依据。

研究亮点

（1）实验首次利用二维范德瓦尔斯金属材料（如石墨烯或铂二硫化物）作为阴极，成功实现了高开关比（高达10⁸）的模拟忆阻器。该忆阻器采用银作为上端阳极，磷硫化铟作为开关介质，展现出出色的电导特性和低功耗特性（仅为56阿托焦耳）。

（2）实验通过离子插层/去插层策略，在阴极引入高扩散屏障，限制银离子的迁移，从而调节了电阻开关行为。这一方法克服了传统忆阻器在模拟开关性能和开关比之间的权衡，达到了多达8位电导态，表现出合理的线性和对称性。

（3）研究表明，这种新型忆阻器具有良好的模拟电阻开关特性，能够支持更高的精度和权重映射能力，适用于类脑计算。基于这些特性，作者进行了卷积神经网络（CNN）的芯片级仿真，结果显示出高图像识别准确率，证明了该忆阻器在人工智能等数据密集型计算应用中的潜力。

图文解读

图1: 利用范德瓦尔斯van der Waals，vdW 金属石墨烯graphene，GR作为正极，具有较大开/关比的模拟开关。

图2: 在银Ag/硫化铟磷indium phosphorus sulfide，IPS/石墨烯GR忆阻器中的多级开关。

图3:利用多层范德瓦尔斯vdW PtTe2作为正极，硫化铟磷IPS忆阻器的模拟开关性能。

图4: 模拟开关机制。

图5: 卷积神经网络convolutional neural network，CNN芯片级实现。

结论展望

二维范德瓦尔斯金属材料作为阴极材料，可以显著改善ECM忆阻器的性能，尤其是在模拟开关和高开关比方面。通过利用银离子的插层/去插层行为，结合高扩散屏障（SKF）效应，本文展示了一种有效的策略来限制离子运动，从而实现了超高的开关比（达到10⁸）、多位电导状态（超过8位），以及低功耗操作。这为进一步开发高性能模拟忆阻器提供了新的思路，尤其是在低功耗、高效能的神经网络硬件应用中。

此外，本文的工作还展示了模拟开关行为在实际应用中的潜力，通过在芯片级实现卷积神经网络（CNN）的图像识别任务，达到了91%的准确率。这不仅验证了新型忆阻器在智能硬件中的应用前景，也为今后扩展到其他开关材料和范德瓦尔斯阴极提供了可能的技术路径。该研究为实现更高效、低功耗的人工智能硬件体系奠定了基础，具有广泛的应用前景。

文献信息

Li, Y., Xiong, Y., Zhang, X. et al. Memristors with analogue switching and high on/off ratios using a van der Waals metallic cathode. Nat Electron (2024).

原创文章，作者：zhan1，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2024/10/26/32c33a669a/

IF=33.7！武汉大学，Nature Electronics！

相关推荐