ACS Nano：基于忆阻器的人工芯片

成果简介

忆阻器是一个具有电阻切换存储性能的纳米电子器件，它集成了核心处理单元（CPU）和存储器单元于一体，甚至具有多态电阻行为，可以避免传统计算设备的冯∙诺依曼瓶颈，显示出高效的并行计算能力和高密度存储能力。这些优势使忆阻器成为未来以数据为中心的计算需求的潜在候选者，并为下一代人工智能（AI）系统的研究增添了非凡的活力，尤其是那些涉及类脑智能应用的系统。该论文主要概述了基于忆阻器的电子器件的发展，从最初用于创建人工突触和神经网络，到应用于开发先进的人工智能系统和类脑芯片。从材料、纳米结构和机理模型的角度，为关键器件基元的特殊应用提供了广阔的视角。在该工作中，作者重点介绍了这些在类脑人工智能领域具有应用潜力的基于忆阻器的纳米电子器件的发展，指出了基于忆阻器的纳米器件对类脑芯片的现有挑战，并提出了未来生物医学和人工智能领域器件推广和系统优化的指导原则和应用前景。

西安交通大学邵金友教授和孙柏教授团队以及西南交通大学陈元正副教授共同围绕基于忆阻器的人工芯片制备及其应用开展了相关探讨。近期在纳米材料领域高水平SCI期刊《ACS Nano》（影响因子17.1）上发表题为“Memristors-Based Artificial Chips”的观点论文。阐述了基于传统CMOS（互补金属氧化物半导体）集成电路芯片的计算设备由于其物理分离的CPU和存储单元架构而受到冯∙诺依曼瓶颈的限制，导致处理计算任务的能耗和时间延迟很高，如图1所示。这样的瓶颈使得这些定制计算设备难以满足信息处理的快速发展。随着类脑人工智能、云计算、5G通信、智慧医疗和物联网的出现，高科技智能社会的发展对能源效率和处理速度提出了更高的要求，这使得基于冯∙诺依曼架构的传统二进制计算机面临着巨大的挑战。为了应对这一挑战，在过去的几十年里，科研人员一直在努力寻找新的架构模式。

一个值得注意的想法是，设计一种具有物理集成计算和存储单元的计算架构（图1），通常称为神经形态学架构，由于信息存储器和处理的配置，这被认为是最有前途的解决方案。大量工作已经验证了忆阻器在促进并行计算方面的潜在应用和优势。此外，由于忆阻器还具有多态电阻切换能力，使得忆阻器具有高密度信息存储的显著优势，远远超出了传统的基于CMOS的器件。与传统的计算依赖于二进制使用逻辑“1”和“0”来存储数据不同，在忆阻器中的多态逻辑的情况下，数据可以不受逻辑“1“和“0“的限制，从而实现多态存储。得益于这些优越的特性，如今忆阻器正成为未来存储和计算纳米器件的领先候选者，引起了科研人员的极大研究兴趣。

图1 冯∙诺依曼体系结构和神经形态计算之间的形象比较

回顾忆阻器的发展路线，大致可以分为四个阶段，如图2所示。第一阶段是忆阻效应、材料和单个设备的发展阶段（1971～2008）；第二阶段是基于忆阻器的用于神经突触模拟的阶段（2008～2010）；第三阶段从大规模忆阻器阵列开始实现神经形态计算（2008～2015）；第四阶段进入基于忆阻器的人工智能设备/系统（2015～目前）。近年来，基于忆阻器的人工智能设备/系统已进入快速发展阶段。特别是，为先进机器人和超级计算机的类脑人工系统和计算芯片正成为一个突出的发展领域，因此被认为是未来的标志性课题。

图2 忆阻器和基于忆阻器的纳米电子器件向高级人工智能应用的发展路线图

众所周知，突触是人类大脑中神经网络的关键部分，参与信息传输和处理，并被用于开发为学习和记忆的类脑芯片的基础。忆阻器的模拟电阻切换行为和非易失性记忆能力类似于突触，使得忆阻器成为类脑计算的有前途的设备基元。同时，基于忆阻器的纳米电子器件的发展推动了类脑芯片等人工类脑器件的制备，这反过来极大地启发了神经启发式系统和智能应用的发展。从技术上讲，将多个应用属性（即感知、记忆、计算、训练和/或识别）集成到一个基于忆阻器的集成系统中是有希望的，该系统可以直接与人脑交互，这将促进先进人工智能和类脑系统的实现，如图3所示。

图3 基于忆阻器的电子系统有望实现神经突触、神经形态计算、电子皮肤、类脑芯片以及高级人工智能系统的多功能应用

可以得出结论，忆阻器是一种具有多功能应用特性的纳米电子器件，它能够在信息处理中实现高密度存储，克服存储墙瓶颈，并且在逻辑运算和逻辑显示方面表现出明显的优势。忆阻器的三明治结构也使它们非常适合模拟神经突触，有助于构建用于神经形态计算的人工神经网络，并最终复制人脑，如图4所示。此外，通过突破冯∙诺依曼瓶颈，忆阻器已被证明可以有效促进人工智能的发展，例如创建智能电子皮肤、人工触觉和视觉系统以及神经传感系统，目标是实现类脑芯片集成。忆阻器的独特特性也表明了在量子计算中潜在的应用可行性。因此，梳理忆阻器在信息存储、逻辑运算、逻辑显示、神经突触、神经网络和神经形态计算等各个方面的发展至关重要。

图4 使用基于忆阻器的类脑芯片的先进人工智能系统的代表性示例和相关技术

总之，强大的硬件和算法的突破将带来类脑芯片的革命。对于类脑芯片，一些自动设计工具和模拟平台，从设备到算法的软硬件协同设计流程和平台是设计高效计算芯片的基础。对于纳米器件和纳米技术，应优化基于忆阻器的纳米器件基元，以满足计算芯片的人工智能应用要求，发展集成技术有利于设计未来的大规模计算芯片。通过与基于高密度忆阻器的交叉突触阵列集成，未来的计算芯片在面积上应该更高效，并且应该达到更大的集成规模。在未来的发展方向上，预计会有一种基于忆阻器、，它将基于最先进的技术进行统一的架构设计。同时，这种通用芯片应该在实现超越传统芯片的计算精度的同时实现高能效。

文献信息

Bai Sun*, Yuanzheng Chen*, Guangdong Zhou, Zelin Cao, Chuan Yang, Junmei Du, Xiaoliang Chen, Jinyou Shao*, Memristors-Based Artificial Chips, ACS Nano, DOI: 10.1021/acsnano.3c07384.