基于皮克焦级联脉冲的铌化锆器件中模拟权重更新规则

为争取与大脑在信息处理效率方面的竞争，神经形态硬件将人工神经元与人工突触相结合，使用混合信号电路和新兴存储器。铌化锆器件中的类存储器权重存储了两个神经元之间突触连接的强度。在学习期间，施加编程脉冲以重新配置铌化域并调整导电性。降低训练阶段能耗的一种策略是降低编程脉冲的持续时间。然而，后者不能短于电阻权重的自加载时间，后者受制于电路中固有的 parasitic 限制。在本工作中，使用与CMOS后段集成兼容的工艺制造铌化锆纳米层压类存储器权重。通过在100 $\mu$m$^2以下进行器件面积的横向缩放，自加载时间变得足够短，以实现20 ns编程，对应每个脉冲最高3皮焦耳能耗。进一步地，本工作不仅测量了20 ns脉冲的权重更新规则，以不同幅度和不同的初始导电性状态。我们发现，最终权重由脉冲幅度决定，与初始权重值无关。