阻变存储器（RRAM）又称为忆阻器，其具有非常简单的两端器件结构，几乎满足了易失性存储器、非易失性存储器和神经形态特征的所有基本要求。目前正对一系列材料（如生物材料、钙钛矿、二维材料、过渡金属氧化物）的存储和神经形态行为进行研究。

在本综述中，韩国汉阳大学材料科学与工程系Changhwan Choi教授等人通过简要地解释基于这些材料的RRAM器件相对应的开关机制来讨论其所表现出的不同的电学行为。然后，本文讨论了使用忆阻器的新兴存储技术及其潜在的神经形态应用，阐明了在器件制造过程中使用不同材料工程技术改善器件的存储和神经形态性能，如I_ON/I_OFF比、耐久性、尖峰时间相关的突触可塑性（STDP）和双脉冲易化（PPF）等。详细分析了在各种开关材料（包括无机金属氧化物，新型有机材料）以及各种器件结构（如单层、多层异质结构器件，交叉阵列）中实现的基本生物突触功能的仿真结果。最后，本文讨论了无机和基于新材料的忆阻器所面临的挑战，并对未来发展进行展望。

Andrey S. Sokolov, Haider Abbas, Yawar Abbas, Changhwan Choi

J. Semicond.  2021, 42(1): 013101

doi: 10.1088/1674-4926/42/1/013101

Full Text    PDF

低功耗非易失性存储器是信息存储领域的重要组成部分，其工作机理与封装可靠性问题是目前研究的热点。随着“后摩尔时代”的到来，技术节点向亚5 nm逐步迫近，器件的特征尺寸已经触及到物理规律的极限。传统的电学表征工具不能满足原子尺度下的高精度的研究。为了进一步研究非易失性存储器的工作和封装失效过程，需要用于表征器件微观结构与成分动态变化的有效工具和技术。

透射电子显微镜（TEM）能够精确表征器件内部原子尺度的结构信息与化学组成。TEM具备更高的空间、能量、时间分辨率，并且能够实现多场耦合，与不同的原位样品杆结合（如热、电、机械、光学和磁场），能够进一步实时观察非易失性存储器在不同外场环境下的读写行为和封装失效的动态演变过程。为非易失性存储器性能提高、结构设计与未来发展起到一定的指导性作用，及时地总结TEM在非易失性存储器的存储机制和封装可靠性分析十分重要。

有鉴于此，华东师范大学吴幸教授课题组对多种非易失性存储器的开关机制和封装可靠性进行了调研，结合原位透射电子显微技术、电子全息技术以及电子磁手性二向色性技术三大先进技术，系统分析了电子显微学在表征器件微纳结构与化学组分领域的特点与优势，总结了原位TEM应用于多种非易失性存储器的存储机制与封装可靠性的最新研究进展，并展望其未来的研究设计与发展方向。

图1. 多种非易失性存储器的开关机制。

该综述的主体部分主要介绍了原位TEM技术在各种非易失性存储器的存储机制与封装可靠性研究中的应用。这都归功于以下两点：（1）原位电镜能够进行原子级别的成像、对材料进行化学成分的计量分析，完成了对非易失性存储器的介质层的微观结构、成分变化的表征；（2）TEM结合多种原位样品杆，能够实现多场耦合，这使得原位电镜可用于研究多种外场下非易失性存储器的存储机制与封装可靠性分析。

图2. 透射电子显微镜的原位技术与先进性。

最后文章不仅在原子尺度上动态阐述了原位电镜在阐明工作时器件内部工作机理的重要性，同时也对原位TEM技术未来的发展提出了展望。包括较轻元素的表征技术需要被进一步改善；提高TEM原有的空间、能量与时间分辨率；发展并提高磁性样品的表征技术；配备大数据存储技术等。

Xin Yang, Chen Luo, Xiyue Tian, Fang Liang, Yin Xia, Xinqian Chen, Chaolun Wang, Steve Xin Liang, Xing Wu, Junhao Chu

J. Semicond.  2021, 42(1): 013102

doi: 10.1088/1674-4926/42/1/013102

Full Text    PDF

随着人类社会数据量的急剧增加以及数据类型复杂程度的提高，传统冯诺依曼架构计算系统由于存储墙限制越来越难以满足需求。在大数据时代，类似于人脑的神经网络型信息处理模式效率将会明显优于传统架构计算机，开发符合神经形态计算特性的电子器件进而构建大规模人工神经网络，成为未来信息科技发展的一个重要方向。人工突触器件是神经形态系统中基本组成单元，多种新兴的非易失存储已经被证明可以用于突触功能模拟。其中，近几年来出现的电解质突触晶体管由于“读”和“写”操作在空间上的分离，具有能耗低、稳定性好、高线性度和对称性等优点，并且通过电荷/离子注入能同时实现短程和长程突触可塑性，是进行突触仿生的理想器件结构。

中国科学院物理研究所葛琛副研究员和金奎娟研究员课题组一直致力于功能氧化物神经形态器件研究，近期在电解质突触晶体管和铁电突触器件方面取得系列进展。本文主要综述了国内外面向神经形态应用的电解质突触晶体管研究进展。首先介绍了电解质突触晶体管的器件物理，然后讨论了不同的沟道材料和电解质材料对器件性能的影响，并综述了其在神经形态计算和生物仿生上的应用案例。

Heyi Huang, Chen Ge, Zhuohui Liu, Hai Zhong, Erjia Guo, Meng He, Can Wang, Guozhen Yang, Kuijuan Jin

J. Semicond.  2021, 42(1): 013103

doi: 10.1088/1674-4926/42/1/013103

Full Text    PDF

忆阻器现在正成为非冯诺依曼存内计算体系结构的基石之一。通过将数值矩阵映射为忆阻器十字交叉阵列中每一个节点的模拟式电导值，可以基于欧姆定律和基尔霍夫定律以大规模并行方式执行有效的乘法累加（Multiply Accumulate, MAC）运算。近年来，基于忆阻器的存内计算加速器受到了学术界和工业界的广泛关注。不仅仅是基于忆阻器的内存中计算加速器紧密集成了模拟计算和内存功能，打破了传统冯诺依曼架构中中央处理器和内存之间数据传输的瓶颈。更重要的是，通过将一些功能单元添加到忆阻阵列的外围，该阵列能够在几乎一个读取操作的延迟内执行MAC计算，而不会随着输入数据维度的增加而增加。而MAC运算在各种数据密集型计算任务中被频繁使用，成为主要能耗操作之一。忆阻器和模拟计算算法的结合引发了一个新的研究领域，即“忆阻模拟计算”或“忆阻存内计算”。

在这篇综述中，华中科技大学缪向水教授团队介绍了忆阻器在两个利基应用中的最新进展：神经网络加速器和数值计算，主要侧重于硬件演示的进展。在这两类应用中，MAC运算都是其主要运算之一，并且数据密集度高，消耗了大部分计算时间和功耗，因此利用忆阻阵列的一步完成MAC运算的优势能大幅提高计算能效，有望突破冯诺伊曼瓶颈问题。前一种方法被认为是“软计算”（soft computing），因为它可以容忍某种程度的器件及阵列缺陷。具体描述了忆阻阵列在多层感知器、卷积神经网络、生成对抗网络和长短期记忆神经网络中的加速作用。后者属于“硬计算”（hard computing），因为解决数字问题需要高精度的器件。这一部分主要强调了忆阻方程求解器在计算精度上的一些突破。此外，还简要介绍了其他具有模拟计算功能的非易失性器件，包括相变器件、铁电晶体管、浮栅晶体管等。最后，讨论了实现忆阻型模拟计算机的未来挑战和机遇。

图1.（a）传统乘法累加运算单元的操作示意图；（b）忆阻阵列一步完成乘法累加运算示意图。

值得注意的是，对这一新兴学科的研究和实践仍处于早期阶段。首先，仍然需要进一步研究以了解忆阻器的物理原理并优化器件性能。忆阻器在半导体存储器领域的传统应用着眼于二进制电阻切换特性，但是，MAC操作和模拟计算对器件的模拟特性提出了很高的要求。从物理原理上看，器件的操作依赖于导电细丝形成和断裂，随机性较大，因此很难获得高精度、高一致性、线性和对称的电导调节特性。尽管对于神经网络，可以容忍某种程度的电导写入/读取误差和噪声以及其他可靠性问题（例如良率、状态漂移和器件崩溃等），但对于数值计算，这些缺陷都会导致计算精度的显著降低。为此，需要在理论和实验知识上都更进一步，这不仅有助于更好地控制导电丝的演变和稳定性，而且能在材料选择、器件结构优化和制造工艺开发方面提供指导。除了基本的器件层面，还需要努力以高器件良率将其扩展到阵列和芯片规模。器件内部的变化应得到很好的控制，I-R drop问题和其他寄生效应也应予以考虑。同样重要的是，与针对目标应用而特别设计的外围电路相集成，例如紧凑型神经元电路、模数转换器和数模转换器等。

同时，矩阵计算算法的设计和优化也需要更多的关注，以使其与高性能器件的开发协同作用。首先，深度学习和其他机器学习技术已在图像和语音识别等某些应用场景中将AI超越了人脑，但是从硬件实现的角度来看，网络的规模太大，需要存储的网络参数远远超出了当今忆阻器技术的能力。因而，忆阻网络压缩方法的发展，例如量化和蒸馏，变得尤为重要，特别是对于计算资源有限的边缘端物联网设备而言。其次，我们是否可以开发基于忆阻器阵列甚至科学计算核心的通用方程求解器，仍然是一个悬而未决的问题。从一些基本且重要的矩阵计算开始当然会更容易。当涉及到更复杂、更大规模的问题时，它仍然需要更长的时间和更坚定的探索。忆阻器构建的数值计算处理单元可以补充或替换特定应用中的高精度CPU或GPU，这将是很有趣的。另外，计算系统的可重新配置性也是一个值得探索的方向。这意味着可以根据用户的需求和定义，在同一基于忆阻器的内存中计算系统中任意执行“软”神经网络加速和“硬”数值计算。

总体而言，忆阻交叉阵列中的模拟计算已被证明是现有计算范式中有前途的替代方案之一。相信在未来的人工智能时代，忆阻器及其引人入胜的内存计算能力将继续引起越来越多的关注。同样重要的是，只有通过在器件、算法和体系结构级别上的共同努力，我们才能看到2020年代在日常生活中应用的忆阻计算系统。

Jia Chen, Jiancong Li, Yi Li, Xiangshui Miao

J. Semicond.  2021, 42(1): 013104

doi: 10.1088/1674-4926/42/1/013104

Full Text    PDF

人类视觉系统能够在复杂环境下识别各种物体和感知视觉信息，这启发了人们通过电子器件来发展仿生视觉系统从而实现未来的人工视觉。人工视觉系统一般由图像传感器（感知视觉输入作为数字图片）、存储单元（存储视觉信息）和处理单元（执行复杂的图像处理任务，例如模式识别和目标检测）组成。目前的人工视觉系统，最先进的图像传感器可以实时连续地探测图像，但是相比较人类视觉系统而言，会产生大量的冗余数据；这些数据会占据大量的存储空间，引起较大的功耗，大量数据在不同单元之间传输造成较大的时延。与此相反，人类视网膜中的感知神经元不仅可以探测光信号，而且在把信号传输给大脑视觉皮层进行更加复杂的视觉信号处理前会进行信号的预处理。通过模拟人类视网膜的生物结构和功能建立的神经形态视觉传感器可以实现更加高效的人工视觉系统。

有鉴于此，香港理工大学和香港理工大学深圳研究院的柴扬副教授课题组对神经形态视觉传感器的工作原理、研究进展和未来展望进行了综述，重点介绍了基于新型器件的神经形态视觉传感器。在本综述中，作者首先介绍了传统图像传感器的工作原理和面临的挑战，介绍了人类视网膜的结构和功能。然后综述了神经形态视觉传感器的研究现状，包括基于硅CMOS数字技术的硅视网膜和利用新型器件实现的神经形态视觉传感器。最后，作者对该领域的发展前景和展望做了简要的概述。

利用神经形态视觉传感器有望实现模仿人类视觉系统的高效人工视觉系统，将提升未来人工智能硬件的水平，如无人驾驶、机器人、监控和无人机等设备的视觉系统。

图. 基于新型器件的各种神经形态视觉传感器。

Fuyou Liao, Feichi Zhou, Yang Chai

J. Semicond.  2021, 42(1): 013105

doi: 10.1088/1674-4926/42/1/013105

Full Text    PDF

突触是神经网络的重要组成部分，用新的电子设备模拟生物突触对于实现人工神经形态系统具有重要意义。然而实现具有复杂功能的人工突触仍然具有很大的挑战性。尽管基本的突触行为——包括短期可塑性、长期可塑性和尖峰时间相关可塑性——可以由两端忆阻器实现，但同时实现信号传递和自我学习仍是相当大的挑战。此外，不能通过突触可塑性来表现周围神经调节剂的作用，突触可塑性仅由两个相连神经元的时间输入脉冲决定。因此，三端/多端人工突触可能更适合于实现复杂的神经网络。

西安交通大学微电子学院张国和教授课题组和刘卫华教授课题组利用石墨烯的双极性特性和离子凝胶的离子导电性，提出了一种离子凝胶门控石墨烯突触晶体管来模拟突触的基本行为。在外加电场的作用下，介质层中的可移动离子迁移到电极上，在电解质/石墨烯沟道界面形成双电层（EDL），从而调节沟道中的载流子浓度。利用电容门控效应和载流子俘获效应的共同作用来实现突触的增强行为。成功地模拟了突触的基本功能，包括兴奋性突触后电流（EPSC）、脉冲幅度和持续时间对EPSC的影响、以及双脉冲易化（PPF）。

这项工作中制备的石墨烯突触晶体管中，离子凝胶层本身具有很大的柔韧性，且制造工艺与溶液法兼容，同时石墨烯也具有很好的柔韧性。因此这项工作可能会促进石墨烯突触晶体管未来在柔性电子学中的应用。

图1. （a）在相同的2 V脉冲幅度下，由不同脉冲持续时间触发的EPSCs随时间的变化。脉冲持续时间从100 ms增加到600 ms。插图：ΔEPSCs与脉冲持续时间的关系。（b）在相同的100 ms的脉冲持续时间内，由不同的脉冲幅度触发的EPSCs随时间的变化。脉冲幅度从0.5 V增加到3 V。插图：ΔEPSCs与脉冲幅度的关系。

Chenrong Gong, Lin Chen, Weihua Liu, Guohe Zhang

J. Semicond.  2021, 42(1): 014101

doi: 10.1088/1674-4926/42/1/014101

Full Text    PDF

实现类脑型计算系统一直以来是人工智能领域重要的突破方向。作为实现类脑型计算系统硬件的关键组成部分，人工神经突触的制备一直是人们重点攻克的问题。忆阻器因其阻值可随流经电荷而发生动态变化，具有与生物突触相似的信号传输特征，被认为是发展人工神经突触的理想选择。突触的各种功能，包括突触短时可塑性（STP）、长时可塑性（LTP）、学习行为和尖峰时序依赖可塑性（STDP）都可以在忆阻器件中很好的模拟。其中，突触短时可塑性和长时可塑性在细胞水平上负责大脑的学习和记忆过程，刺激信号强度和频率都可以影响学习记忆过程。对这一过程的精确模拟有助于更好的实现类脑性计算。

近日，东北师范大学王中强教授研究组基于氧化钨材料研制出一种模拟型忆阻器件，并以该器件为基础模拟了突触功能，包括兴奋性突触后电流（EPSC）、双脉冲易化（PPF）和电压强度依赖的突触可塑性，通过调输入电压的幅值实现短时可塑性到长时可塑性的转变。此外，基于电压依赖突触可塑性记忆阵列实现了图像布尔运算。该研究促进了对突触行为模拟的发展，对未来类脑性计算系统发展具有重要意义。

图.（a）模拟强度依赖的突触可塑性。（b）记忆突触阵列模拟图像布尔运算。

Jiajuan Shi, Ya Lin, Tao Zeng, Zhongqiang Wang, Xiaoning Zhao, Haiyang Xu, Yichun Liu

J. Semicond.  2021, 42(1): 014102

doi: 10.1088/1674-4926/42/1/014102

Full Text    PDF

电化学金属化型阻变存储器是一种新型的存储器，因其具有高存储密度、快速的擦写速度以及超低的运行功耗而被广泛关注和研究。当前，阻变存储器的开发重点集中在探究其工作机理和提高其运行可靠性，也即主要面向商业应用市场。然而，航空工业、核工业的应用也是阻变存储器的潜在应用领域。作为分立的存储颗粒单元，阻变存储器势必将被暴露在宇宙射线和核辐射环境中，这就需要阻变存储单元具备良好的抗辐射特性。

在航空工业和核工业领域中常见的辐射源包括x射线、γ射线、高能电子、质子、重离子和中子等。中子，一种在宇宙射线和核辐射环境中大量存在的粒子，因其不携带电荷的特征而具有极强的穿透性。在中子与器件材料撞击过程中，中子与材料的原子核直接碰撞，这种破坏性的后果将威胁到材料的完整性，并最终威胁到整体器件结构。因而，对阻变存储器件的抗中子辐照特性进行深入研究是十分必要的。

图1. （a）Ag/AgInSbTe/a-C/Pt电化学金属化器件结构示意图。（b）被封装的电化学金属化阻变器件照片。（c）在东北师范大学辐射技术研究所进行中子辐照实验照片。（d）和（e）分别在不同位置进行中子辐照的器件的高低阻值、开启关闭电压的波动性。（f）不同中子注量辐照之后器件的数据保持特性。

东北师范大学徐海阳教授、王中强教授团队与中国科学院合肥物质科学研究院李刚副研究员合作，对一种典型的电化学金属化阻变器件（Ag/AgInSbTe/a-C/Pt）进行了深入的抗中子辐照特性研究。他们应用14 MeV的中子辐照具有Ag/AgInSbTe/a-C/Pt结构的阻变器件单元，并对中子辐照前后的阻变可靠性进行了详细的比较研究和辐照机理分析。如图结果所示，即使总中子注量达到2.5×10¹¹ n/cm²，被辐照的ECM存储单元的初始电阻值、低阻态电阻值(LRS)、关闭电压和数据保持性能未见衰退；而其他的开关特性如初始化电压、高阻态电阻值(HRS)和开启电压都只显示出轻微的参数漂移现象，整体器件依然可以正常运行。通过参数对比分析，辐照诱导的Ag离子向非晶碳层的定向掺杂可以解释本实验中的中子辐照损伤效应。综上可见，Ag/AIST/a-C/pt基电化学金属化器件具有优良的抗中子辐照特性，这表明其在航空航天和核工业领域中具有应用潜力。

Ye Tao, Xuhong Li, Zhongqiang Wang, Gang Li, Haiyang Xu, Xiaoning Zhao, Ya Lin, Yichun Liu

J. Semicond.  2021, 42(1): 014103

doi: 10.1088/1674-4926/42/1/014103

Full Text    PDF