莫斯科物理技术学院的研究人员创造了一种设备，该设备的作用类似于活脑中的突触，可以存储信息，并在长时间不使用时逐渐将其遗忘。这种新设备以二氧化m为基础，被称为二阶忆阻器，为设计模仿生物大脑学习方式的模拟神经计算机提供了前景。调查结果报告在 ACS应用材料和界面中。
启用人工智能的神经计算机模仿大脑的工作方式。它以突触，神经细胞或神经元之间的连接网络的形式存储数据。大多数神经计算机具有常规的数字体系结构，并使用数学模型来调用虚拟神经元和突触。
或者，实际的片上电子组件可以代表网络中的每个神经元和突触。这种所谓的模拟方法具有极大地加快计算速度并降低能源成本的潜力。
假设的模拟神经计算机的核心组件是忆阻器。这个词是“内存”和“电阻”的代名词，几乎可以概括为：存储单元充当电阻。宽松地说，高电阻编码为零，而低电阻编码为1。这类似于突触在两个神经元（一个）之间传导信号的方式，而没有突触则不会产生信号（零）。
但是有一个问题：在实际的大脑中，主动突触会随着时间的流逝而增强，而对于非主动突触则相反。这种被称为突触可塑性的现象是自然学习和记忆的基础之一。它解释了填入考试的生物学以及为什么我们很少访问的记忆消失了的原因。
二阶忆阻器是在2015年提出的，旨在重现自然记忆并具有突触可塑性。实现此目的的第一种机制涉及在忆阻器上形成纳米级导电桥。当最初降低抵抗力时，它们自然会随时间衰减，从而模拟健忘。
该研究的主要作者，来自MIPT神经计算系统实验室的Anastasia Chouprik说：“这种解决方案的问题在于，该设备往往会随着时间的流逝而改变其行为，并且在长时间操作后会发生故障。”“我们用来实现突触可塑性的机制更加强大。实际上，在将系统状态切换1000亿次之后，它仍然可以正常运行，因此我的同事们停止了耐久测试。”
MIPT团队不是使用纳米桥，而是使用氧化f来模仿自然记忆。这种材料是铁电的：其内部束缚电荷分布（极化）会响应外部电场而发生变化。如果然后去除磁场，则材料将保持其获得的极化，就像铁磁体保持磁化的方式一样。
物理学家将其二阶忆阻器实现为铁电隧道结-两个电极之间夹有一层氧化oxide薄膜（下图p）。可以通过电脉冲在低阻状态和高阻状态之间切换，从而改变铁电膜的极化，从而改变其电阻。
左图显示了来自生物大脑的突触，其灵感来自其人工类似物（右）。后者是一种实现为铁电隧道结的忆阻器器件，也就是说，在氮化钛电极（蓝色电缆）和硅基板（海蓝色）之间插入了一层薄的氧化ha膜（粉红色），而后者又是第二电极。电脉冲通过改变氧化ha的极化，从而改变其电导率，在其高阻状态和低阻状态之间切换忆阻器。
“我们面临的主要挑战是确定正确的铁电层厚度，” Chouprik补充说。“四个纳米被证明是理想的。使其仅变薄1纳米，铁电特性就消失了，而较厚的膜太宽了，电子无法穿过。我们只能通过切换极化来调制隧道电流。”
氧化ha比其他铁电材料（例如钛酸钡）具有优势的原因是，目前的硅技术已经使用了它。例如，自2007年以来，英特尔一直在制造基于a化合物的微芯片。这使得引入此故事中报道的忆阻器之类的基于devices的器件比使用全新材料的器件更容易，更便宜。
为了发挥独创性，研究人员通过利用硅与氧化oxide之间界面上的缺陷来实现“健忘”。那些非常不完善的缺陷过去通常被视为对基于-的微处理器的损害，工程师们必须通过将其他元素整合到该化合物中来找到解决它们的方法。相反，MIPT团队利用了这些缺陷，这些缺陷使忆阻器的导电性随着时间的流逝而逐渐消失，就像自然记忆一样。
该论文的第一作者Vitalii Mikheev分享了该团队的未来计划：“我们将研究在忆阻器中切换电阻的各种机制之间的相互作用。事实证明，铁电效应可能不是唯一的一种。为了进一步改善设备，我们将需要区分机制，并学习将它们组合起来。”
根据物理学家的说法，他们将继续对氧化the的性质进行基础研究，以使非易失性随机存取存储单元更加可靠。该团队还正在研究将其设备转移到用于柔性电子产品的柔性基板上的可能性。
去年，研究人员对如何在氧化to薄膜上施加电场如何影响其极化提供了详细的描述。正是这个过程可以降低铁电忆阻器的电阻，从而模拟生物大脑中突触的增强。该团队还研究具有数字架构的神经形态计算系统。
###
参考：Vitalii Mikheev，Anastasia Chouprik，Yury Lebedinskii，Sergei Zarubin，Yury Matveyev，Ekaterina Kondratyuk，Maxim G.Kozodaev，Andrey M.Markeev，Andrei Zenkevich和Dmitrii Negrov撰写的铁电二阶忆阻器，2019年8月12日， InterfaceApplied，ACSApplied 。DOI：10.1021 / acsami.9b08189
