麻省大学Device：使用二极管双向导通实现可靠的神经形态架构

钢铁侠 2天前 139浏览

科学背景

在传统计算机架构中，计算通常需要内存与处理器之间的大量数据移动，从而限制了计算速度。而基于忆阻器（memristor）的神经形态计算技术有望通过绕过数据传输过程来提高信息处理效率。但是，目前主流的三端选择器（1-transistor-1-memristor, 1T1R）对于充分发挥高效集成的潜力仍然存在限制，而技术成熟的二端选择器（比如二极管）则极具吸引力，因为它能够解锁这种潜力。然而，作为可靠的器件技术，二极管仍受到其单极性的限制，这阻碍了它在经典双向忆阻器中所需的双极编程中的应用。

创新成果

近日，马萨诸塞大学阿姆斯特分校（UMass Amherst）的Jun Yao课题组在Cell旗下的新刊Device上发表了题为“Exploiting Diode Reverse Recovery Dynamics for Bidirectional Addressing in Memristor-Based Neuromorphic Architectures”的研究论文，该论文展示了一种利用二极管的反向恢复特性来实现双向忆阻器寻址的新方法。第一作者为高年级博士生Tianda Fu（目前在芝加哥大学Sihong Wang课题组从事博士后研究）。

该团队通过利用二极管的反向恢复特性，成功实现了将二极管作为双向选择器，用于构建双端忆阻器结构。这种寻址方法通过构建1-diode-1-memristor（1D1R）可编程阵列进行了验证，该阵列可用于神经网络的在线训练和分类。此外，研究团队还制造了一个由多个 1D1R 单元堆叠而成的垂直集成阵列，展示了可扩展集成的潜力。

该研究的动态寻址范式具有功能成熟和结构简单性的优势，为基于忆阻器的神经形态架构的发展提供了新的动力。这项工作突破了传统的三端选择器的局限性，为高密度、低功耗经形态计算系统的设计和应用提供了新的思路和方法。

图文导读