麻省大學姚軍AM：利用憶阻器瞬態編程解決類腦計算中的潛行路徑問題

【引言】

潛行路徑（Sneak path）問題是基于憶阻器數組結構產生的內在問題。潛行路徑的存在將極大程度的損耗類腦計算的精度，從而無法將神經網絡算法有效植入進硬件設備。因此，解決潛行路徑問題是目前領域內的關鍵問題。一些方法使用晶體管，二級管，閾值轉換開關作為數組選擇器來解決潛行路徑問題。但是，三端結構的晶體管喪失了兩端憶阻器優良的兩端交叉結構，不利于高密度集成；二級管只適用于單向編程的憶阻器，然而目前主流的高性能憶阻器則為雙向編程；閾值轉換開關的激活電壓通常接近或大于憶阻器中的編程電壓，縮小了讀取窗口或模擬輸入范圍，并降低計算的矢量分辨率。

【成果簡介】

近日，麻省大學（UMass Amherst）的姚軍教授團隊在Advanced Materials上發表了題為“An Effective Sneak-Path Solution Based on Transient-Relaxation Device”的文章。文章的第一作者為Tianda Fu。該文章提出利用動態編程器件來解決潛行路徑的問題，解決了上述的諸多困境。團隊采用超低電壓蛋白質憶阻器作為動態編程的示例對其戰略進行介紹。該工作為使用兩端器件解決潛行路徑提供了新的思路。

【圖文導讀】

圖1 動態編程概念示范

a.目標路徑與潛行路徑示意圖

b.動態編程器件特點描述

c.利用動態編程來解決潛行路徑的策略描述

圖2 蛋白質納米線憶阻器性能

a.使用基于蛋白質納米線的憶阻器作為動態編程器件
b.蛋白質納米線結構圖
c.憶阻器整流特性
d.憶阻器i-v曲線展示了優良的整流特性
e.憶阻器500次i-v循環測試
f.憶阻器松弛特性
g.憶阻器松弛性能示例
h.憶阻器松弛時間統計

圖3 動態編程器件整合策略

a.蛋白質憶阻器與其他非易失性憶阻器整合策略
b.整合器件的實物圖
c.整合器件的Set過程
d.整合器件的Reset過程
e.整合器件可以編程到不一樣的電阻值
f.整合器件中限流與電導的關系
g.利用整合器件將電阻逐漸減小并增加

圖4 潛行路徑分析

a.潛行路徑測試分析電路與實物
b.潛行路徑電流與目標路徑電流對比
c.動態編程方法只會改變目標憶阻器的權值
d.讀裕度（read margin）分析

圖5 可編程性示范

a.8×8憶阻器數組及支持電路
b.8×8數組初始權值
c.利用8×8數組進行編程的目標圖案
d.每一次編程的結果
e.最終的編程圖案
f.每一次編程的結果與目標結果分布圖
g.編程誤差統計

原文鏈接：

https://doi.org/10.1002/adma.202207133

【課題組簡介】

姚軍教授為美國麻省大學阿莫斯特分校（UMass Amherst）電子計算機工程系助理教授，長期致力于生物傳感器，濕度能源設備，低功耗憶阻器，可穿戴設備等諸多領域的研究。以第一或通訊作者身份在Nature, Nature Nanotechnology, Advanced Materials, Nature Communications, Science Advances, JACS, PNAS 等諸多著名期刊上發表超過40余篇學術論文。