基于閾值自適應憶阻模型的分析及應用研究.pdf

1、隨著超大規(guī)模集成電路（VLSI）進入深亞微米級領域，電子設備集成規(guī)模日益龐大，而晶體管本身尺寸已接近極限，其可靠性和穩(wěn)定性在邏輯運算，信息存儲等方面面臨著日益嚴峻的挑戰(zhàn)。近年來，人工智能和人工神經(jīng)網(wǎng)絡發(fā)展迅猛，但也同樣受限于晶體管尺寸而無法實現(xiàn)大規(guī)模硬件實現(xiàn)。憶阻器作為下一代高性能的阻變存儲設備，其納米級尺寸和非易失性存儲的特性，有望延續(xù)“摩爾定律”，也契合了神經(jīng)形態(tài)系統(tǒng)大規(guī)模實現(xiàn)。隨著憶阻器理論的日臻完善，閾值自適應憶阻（TEAM）模

2、型開始受到越來越多研究者的關注，一方面它將憶阻器內(nèi)部狀態(tài)跳變閾值定義到模型內(nèi)部，填補了經(jīng)典二端惠普模型中阻變閾值表達的缺失；另一方面，TEAM模型以塞蒙斯隧道結(jié)（Simmons Tunnel Model）理論作為物理依據(jù)，使它成為更接近實際情況的憶阻器模型；最后，其參數(shù)可調(diào)展現(xiàn)出的靈活性，使TEAM模型有望成為下一代通用憶阻器模型。將閾值自適應憶阻模型應用于邏輯運算、交叉陣列存儲和神經(jīng)形態(tài)系統(tǒng)不但能大大降低電路體積，也更利于探究實際憶阻

3、系統(tǒng)特性，對憶阻系統(tǒng)大規(guī)模集成具有重要意義。
　　本文針對閾值自適應憶阻模型，在分析其內(nèi)部特性和組合電路的基礎上，將其應用于邏輯運算、多值存儲和小波神經(jīng)網(wǎng)絡的神經(jīng)形態(tài)系統(tǒng)中，具體如下：
　　（1）總結(jié)基本憶阻器模型和幾種典型窗函數(shù)，并用于模擬憶阻器內(nèi)部離子邊界漂移特性。在此基礎之上，介紹Simmons隧道結(jié)模型和兩種閾值自適應模型（電流閾值TEAM、電壓閾值VTEAM），推導出閾值自適應模型窗函數(shù)表達式，通過仿真可見閾值自適

4、應憶阻模型和Simmons隧道結(jié)模型的高度擬合性。
　?。?）提出基于閾值自適應憶阻模型內(nèi)部多參數(shù)的蒙特卡洛分析方法，通過蒙特卡洛分析揭示了閾值自適應憶阻模型上下邊界單邊可調(diào)性、開關變換非對稱性等內(nèi)部機理。進一步，對TEAM進行串并聯(lián)組合電路仿真分析，展示組合電路總阻值變化規(guī)律及其極性對阻值的影響。
　?。?）針對閾值自適應模型中不同極性的閾值電壓，提出VTEAM組合邏輯運算電路，進而仿真實現(xiàn)與、或、非、與非、或非五種邏輯運

5、算，推導了不同邏輯組合的外加激勵限制條件。此外，提出了一種基于TEAM模型的新型憶阻交叉電路存儲結(jié)構(gòu)，相較于以往憶阻交叉電路，該結(jié)構(gòu)采用了多值電壓控制方式，在多值圖像讀寫方面并行處理性能更為優(yōu)良。
　?。?）將閾值自適應憶阻器與小波神經(jīng)網(wǎng)絡相結(jié)合，提出憶阻小波神經(jīng)網(wǎng)絡（MWNN），推導VTEAM在不同周期脈沖激勵下憶阻值的連續(xù)變化，證明了VTEAM模型作為電子突觸實現(xiàn)動態(tài)權(quán)值更新的可能性。進一步將完成的硬件化的MWNN用于短時交通