银掺杂硫系化合物忆阻器类脑神经形态计算研究

摘要

信息存储与计算相融合的计算系统被认为是应对“大数据时代”下海量数据处理需求，突破数字计算机“冯诺依曼瓶颈”的关键。生物大脑是一种高效、智能的存储与计算融合的信息处理体系，通过对于生物大脑的认识、研究和模拟，进行类脑神经形态计算研究是构建新型计算机架构的重要途径之一。忆阻器自诞生以来，因为其高速、低功耗、高密度、高可靠等器件性能，受到了学术界和工业界的广泛关注，特别地随着忆阻理论和器件性能的不断完善和优化，忆阻器在类脑神经形态计算领域展现出了强大的竞争力。随着忆阻器神经突触、神经元电路的实现，忆阻器类脑神经形态计算正在从“细胞级”器件研究向“环路级”联合学习和人工神经网络研究过渡。
　　本研究主要内容包括：⑴利用磁控溅射方式沉积了AgGeTe硫系化合物薄膜，并配合光刻、剥离等工艺手段制备了Ag/AgGeTe/Ta和Ag/AgInSbTe/Ta两类银掺杂硫系化合物忆阻器。研究了忆阻器测试方法和类脑神经形态计算的实验方法。⑵在材料研究方面，选取AgGeTe材料为代表研究了银掺杂对于硫系化合物晶化温度和相转变温度的影响。利用DSC、TEM等测试方式实验证明了银掺杂可以提高材料非晶稳定性；利用Raman、XPS等薄膜表征手段从非晶局域结构变化的角度给出非晶稳定性提高的物理机理；利用第一性原理计算通过对于Ge原子键角和n圆环数目变化的统计间接支持了上述机理，并从结晶理论的角度对于实验现象做了进一步解释。此外，实验利用Raman和XRD研究了银掺杂对于材料相转变温度的影响，并从局域结构变化的角度做出了相应的解释。银元素的引入能够提高材料的非晶态稳定性并有助于引导导电丝的形成，有利于忆阻器获得更加稳定的多值和渐变特性。⑶在器件研究方面，利用直流和脉冲两种测试方式对于 Ag/AgGeTe/Ta和Ag/AgInSbTe/Ta忆阻器进行测试，两类忆阻器均展现出了稳定的捏滞回线和良好的多值渐变特性。此外，在高速脉冲测试实验中Ag/AgGeTe/Ta忆阻器展现出了稳定的高速开关特性。硫系化合物忆阻器的多值和渐变特性是“模拟式”忆阻器最重要性能之一，有助于忆阻器进行类脑神经形态电路的搭建。硫系化合物忆阻器的高速开关特性，能够进一步提高电路运算速度，降低运算功耗，有助于高速忆阻器逻辑电路的研究。⑷联合学习研究，参考联合学习生物学模型并结合Ag/AgInSbTe/Ta忆阻器器件特征，设计了一种结构简单操作方便的联合学习电路并以此为基础设计了联合学习电路阵列。通过脉冲测试和Hspice仿真，实验验证了该电路可以实现巴普洛夫狗实验中的学习和遗忘功能。在学习过程中，联合学习电路具有严格的时序关系，即CS信号先于US信号才能实现联合学习。此外，通过改变输入信号的形状，实验上可以实现对于联合学习学习速度和时间窗口的调控。⑸情景记忆研究，利用硫系化合物忆阻器阻值渐变性质，设计了一种结构简单操作简洁的情景记忆电路。通过脉冲测试和Hspice仿真，实验验证了情景记忆电路可以模拟生物学乌贼觅食类情景记忆的记忆恢复行为。⑹模式识别，基于模板匹配原理，设计了一种可以计算模板信号和目标信号相似度的模板匹配电路“Matcher”。实验验证了“Matcher”可以识别输入信号特征匹配数目和匹配特征相似程度的变化，并通过Hspice仿真在功能上验证了“Matcher”能够识别具有不同形状和灰度的3×3像素噪点图像。此外，参考联合学习阵列设计原理，设计了一个能够存储3个9特征模板信息的忆阻器突触网络。利用Hspice仿真，在功能上实现对于‘v’、‘n’、‘z’三个模板图像的训练和测试过程。基于上述突触网络和“Matcher”运算神经元设计出了一种可以实现模板匹配的忆阻器模板匹配网络。特别地，该系统非常简单，主体只含有忆阻器和定值电阻，这将有利于忆阻器人工神经网络的简化。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 引言

1.2 忆阻器简介

1.3 生物神经系统及其工作机理概述

1.4 忆阻器类脑神经形态计算研究概述

1.5 本文的研究内容及结构安排

2 银掺杂硫系化合物忆阻器的制备及其阻变特性

2.1 引言

2.2 硫系化合物忆阻器制备工艺

2.3 忆阻器特性测试系统

2.4 Ag/AgGeTe/Ta基忆阻器研究

2.5 Ag/AgInSbTe/Ta基忆阻器研究

2.6 本章小结

3 基于忆阻器的联合学习和情景记忆

3.1 引言

3.2 联合学习与情景记忆

3.3 基于Ag/AgInSbTe/Ta忆阻器联合学习研究

3.4 基于Ag/AgInSbTe/Ta忆阻器情景记忆研究

3.5 本章小结

4 忆阻器模式识别网络研究

4.1 引言

4.2 人工神经网络概述

4.3 基于Ag/AgInSbTe/Ta 忆阻器的模式识别网络研究

4.4 标准模板存储突触网络及其工作原理

4.5 本章小结

5 全文总结

5.1 研究内容总结

5.2 对进一步研究的展望

致谢

参考文献

附录1 博士学位论文Spice仿真电路网表

附录2 攻读博士学位期间发表的论文目录

附录3 攻读博士学位期间申请的发明专利