麻省大學Device：使用二極管雙向導通實現可靠的神經形態架構

鋼鐵俠 1周前 (03-21) 309瀏覽

科學背景

在傳統計算機架構中，計算通常需要內存與處理器之間的大量數據移動，從而限制了計算速度。而基于憶阻器（memristor）的神經形態計算技術有望通過繞過數據傳輸過程來提高信息處理效率。但是，目前主流的三端選擇器（1-transistor-1-memristor, 1T1R）對于充分發揮高效集成的潛力仍然存在限制，而技術成熟的二端選擇器（比如二極管）則極具吸引力，因為它能夠解鎖這種潛力。然而，作為可靠的器件技術，二極管仍受到其單極性的限制，這阻礙了它在經典雙向憶阻器中所需的雙極編程中的應用。

創新成果

近日，馬薩諸塞大學阿姆斯特分校（UMass Amherst）的Jun Yao課題組在Cell旗下的新刊Device上發表了題為“Exploiting Diode Reverse Recovery Dynamics for Bidirectional Addressing in Memristor-Based Neuromorphic Architectures”的研究論文，該論文展示了一種利用二極管的反向恢復特性來實現雙向憶阻器尋址的新方法。第一作者為高年級博士生Tianda Fu（目前在芝加哥大學Sihong Wang課題組從事博士后研究）。

該團隊通過利用二極管的反向恢復特性，成功實現了將二極管作為雙向選擇器，用于構建雙端憶阻器結構。這種尋址方法通過構建1-diode-1-memristor（1D1R）可編程陣列進行了驗證，該陣列可用于神經網絡的在線訓練和分類。此外，研究團隊還制造了一個由多個 1D1R 單元堆疊而成的垂直集成陣列，展示了可擴展集成的潛力。

該研究的動態尋址范式具有功能成熟和結構簡單性的優勢，為基于憶阻器的神經形態架構的發展提供了新的動力。這項工作突破了傳統的三端選擇器的局限性，為高密度、低功耗經形態計算系統的設計和應用提供了新的思路和方法。

圖文導讀