用于储备计算的LiNbO3易失型忆阻器
介观与纳米尺度物理
2023-05-12 v1 应用物理
摘要
在传统数字计算机中，数据和信息以二进制形式表示并编码于晶体管的稳态中，随后以准静态方式处理。然而，随着晶体管逼近物理极限以及冯·诺依曼瓶颈，计算效率的提升速度已放缓。因此，受生物系统的动态与自适应特性启发，神经形态计算研究具有巨大发展潜力。忆阻器是一类具有记忆功能的非线性电阻，通过其内部电过程自然体现动力学特性。这使得具备更强能力与更高能效的非传统计算范式成为可能，例如储备计算。本文提出一种由LiNbO3制成的易失型忆阻器，具有非线性I-V特性和短期记忆功能。该忆阻器非常适合作为储备计算存储层中的非线性节点。利用该系统，我们可用单个器件而非大量互连节点实现与传统储备计算相同的功能。向各忆阻器施加脉冲序列后，忆阻器的集体状态对于每种脉冲模式组合都是唯一的。这为后续输出层分类处理提供了更可靠高效的方式。该系统成功用于识别阿拉伯数字0–9的图像。本工作不仅拓宽了锂铌氧化物等材料在神经形态计算中的应用范围，也为开发更高效的神经形态器件与系统提供了新思路。
引用
@article{arxiv.2305.06607,
title = {Highly tunable lateral homojunction formed in 2D layered CuInP2S6 via in-plane ionic migration},
author = {Huanfeng Zhu and Jialin Li and Qiang Chen and Wei Tang and Xinyi Fan and Fan Li and Linjun Li},
journal= {arXiv preprint arXiv:2305.06607},
year = {2023}
}