任寬 張珂嘉 秦溪子 任煥鑫 朱守輝楊峰 孫柏 趙勇 張勇

1) (西南交通大學(xué)超導(dǎo)與新能源研究開發(fā)中心, 磁浮技術(shù)與磁浮列車教育部重點(diǎn)實(shí)驗(yàn)室, 成都 610031)

2) (西南交通大學(xué)物理科學(xué)與技術(shù)學(xué)院, 成都 610031)

3) (西南交通大學(xué)電氣工程學(xué)院, 成都 610031)

4) (西南交通大學(xué)材料科學(xué)與工程學(xué)院, 成都 610031)

5) (福建師范大學(xué)物理與能源學(xué)院, 福州 350117)

人工智能的快速發(fā)展需要人工智能專用硬件的快速發(fā)展, 受人腦存算一體、并行處理啟發(fā)而構(gòu)建的包含突觸與神經(jīng)元的神經(jīng)形態(tài)計算架構(gòu), 可以有效地降低人工智能中計算工作的能耗.記憶元件在神經(jīng)形態(tài)計算的硬件實(shí)現(xiàn)中展現(xiàn)出巨大的應(yīng)用價值; 相比傳統(tǒng)器件, 用憶阻器構(gòu)建突觸、神經(jīng)元能極大地降低計算能耗, 然而在基于憶阻器構(gòu)建的神經(jīng)網(wǎng)絡(luò)中, 更新、讀取等操作存在由憶阻電壓電流造成的系統(tǒng)性能量損失.憶容器作為憶阻器衍生器件, 被認(rèn)為是實(shí)現(xiàn)低耗能神經(jīng)網(wǎng)絡(luò)的潛在器件, 引起國內(nèi)外研究者關(guān)注.本文綜述了實(shí)物/仿真憶容器件及其在神經(jīng)形態(tài)計算中的最新進(jìn)展, 主要包括目: 前實(shí)物/仿真憶容器原理與特性, 代表性的憶容突觸、神經(jīng)元及神經(jīng)形態(tài)計算架構(gòu), 并通過總結(jié)近年來憶容器研究所取得的成果, 對當(dāng)前該領(lǐng)域面臨的挑戰(zhàn)及未來憶容神經(jīng)網(wǎng)絡(luò)發(fā)展的重點(diǎn)進(jìn)行總結(jié)與展望.

1 引 言

近年來, 隨著大數(shù)據(jù)的應(yīng)用與神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的突破, 人工神經(jīng)網(wǎng)絡(luò)(ANN)取得了長足的進(jìn)展, 對醫(yī)療診斷、環(huán)境科學(xué)、智能機(jī)器、物聯(lián)網(wǎng)和安全等多個領(lǐng)域產(chǎn)生了深遠(yuǎn)的影響[1].雖然ANN 能夠?qū)崿F(xiàn)比傳統(tǒng)方法更節(jié)能的算法, 但它們通常使用傳統(tǒng)的馮諾依曼計算架構(gòu)來實(shí)現(xiàn), 在這種架構(gòu)下,物理上獨(dú)立的邏輯和內(nèi)存塊之間的數(shù)據(jù)傳輸會導(dǎo)致處理瓶頸和不必要的電能消耗.受人腦的存算一體、并行處理啟發(fā)而構(gòu)建的包含突觸與神經(jīng)元的神經(jīng)形態(tài)計算架構(gòu), 被認(rèn)為是突破馮諾依曼瓶頸、降低電能消耗的有效途徑[2].神經(jīng)形態(tài)計算的早期成功很大程度上依賴于傳統(tǒng)的電子器件, 特別是硅基互補(bǔ)金屬-氧化物-半導(dǎo)體(CMOS)晶體管的脈沖神經(jīng)網(wǎng)絡(luò)[2?4], 如IBM 的TrueNorth 芯片[3]和歐盟人腦計劃的SpiNNaker 項(xiàng)目[4].與傳統(tǒng)的電子器件相比, 新興電子器件如憶阻器[5,6], 在神經(jīng)元構(gòu)建[7?9]、非易失性儲存[10,11]等方面有著巨大優(yōu)勢,2020 年, 清華大學(xué)先后實(shí)現(xiàn)用1M1T 結(jié)構(gòu)陣列完成卷積神經(jīng)網(wǎng)絡(luò)計算[12], 以及低能耗的全憶阻神經(jīng)元[13].然而, 目前基于憶阻器實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)架構(gòu)中, 通常使用電導(dǎo)表示權(quán)重, 其用施加電壓、檢測電流的方式來更新和讀取權(quán)重的過程存在不可避免的電能損耗.優(yōu)化權(quán)重表示方法、改變權(quán)重更新讀取方式, 被認(rèn)為是降低系統(tǒng)性電能損耗的有效途徑.作為憶阻器衍生器件而提出的憶容器[14]被認(rèn)為是實(shí)現(xiàn)低耗能神經(jīng)網(wǎng)絡(luò)的潛在器件[15?22], 引起國內(nèi)外研究者關(guān)注.

早在2009 年, Ventra 與Pershin 就聯(lián)合“憶阻器之父”蔡少棠教授在Proceedings of the IEEE上將憶阻器的概念和理論拓展到了電容型器件和電感型器件領(lǐng)域, 并據(jù)此提出了憶容系統(tǒng)和憶感系統(tǒng).類似于憶阻系統(tǒng), 憶容系統(tǒng)可分為電壓控制型和電荷控制型, 對于電壓控制型的憶容系統(tǒng), 有[14]

其中:q(t) 表示t時刻整個系統(tǒng)存儲電荷的值;VC(t)表示系統(tǒng)兩個端口間的電壓;C表示系統(tǒng)的瞬時憶容值, 該瞬時值由系統(tǒng)內(nèi)部的一個變量決定;x為狀態(tài)變量.

相應(yīng)的, 電荷控制型的憶容系統(tǒng)被定義為:

其中,C?1為憶容值的倒數(shù).

理想壓控/荷控憶容器作為憶容系統(tǒng)的子類,憶容值可以簡化為只與流經(jīng)系統(tǒng)電壓/電荷的歷史有關(guān), 理想壓控憶容器的數(shù)學(xué)表達(dá)為

理想荷控憶容器表達(dá)為

理想憶容器的定義建立了電荷q與電壓V之間的狀態(tài)依賴關(guān)系, 同時模型還對憶容器的捏滯曲線提出了關(guān)于原點(diǎn)對稱、隨頻率變化等要求, 并將q-V域過原點(diǎn)的奇對稱捏滯曲線作為憶容器的判定標(biāo)志, 如圖1 所示[14].由于憶容器理論自身還在不斷完善, 實(shí)際研究中的憶容器往往不符合2009 年提出的理想憶容器數(shù)學(xué)模型.2015 年, 蔡少棠教授[23]提出廣義憶阻器的概念, 定義廣義憶阻器的憶阻由輸入電流(或電壓)和一個或更多狀態(tài)變量同時決定.我們根據(jù)廣義憶阻器的概念可以提出類似的廣義憶容器的概念, 即廣義憶容器的憶容由輸入電壓(或電荷)和一個或更多狀態(tài)變量同時決定, 因此其q-V捏滯曲線也不需要關(guān)于原點(diǎn)對稱, 目前大多數(shù)報道的憶容器件[20,24?38]及其仿真模型[39?54]都屬于這類廣義憶容器.與憶阻器的RV特性類似, 憶容器的C-V特性使高效低耗能的容性神經(jīng)形態(tài)計算[55]成為可能.

圖1 (a)憶容系統(tǒng)的捏滯曲線[14]; (b)仿真的壓控憶容器q-V 曲線[14]; (c) 仿真的壓控憶容器C-V 曲線[14]Fig.1.(a) Schematics of a pinched hysteresis loop of a memcapacitive system[14]; (b) q-V curve of a simulated voltage-controlled memcapacitor[14]; (c) C-V curve of a simulated voltage-controlled memcapacitor[14].

如圖2 所示, 基于憶容器的神經(jīng)形態(tài)計算研究可分為3 個層次: 1)基礎(chǔ)憶容器件; 2)基于基礎(chǔ)憶容器件的突觸、神經(jīng)元; 3)由突觸、神經(jīng)元構(gòu)成的憶容神經(jīng)網(wǎng)絡(luò)及相應(yīng)網(wǎng)絡(luò)的特征算法.由于電容器本身的能量存儲、電壓保持等性質(zhì)及憶容器的非易失電容積分、脈沖電壓閾值激發(fā)等特性, 基于憶容突觸、神經(jīng)元[16,21]的輸入電壓/電荷-檢測電壓/電荷方式相比基于憶阻突觸、神經(jīng)元的輸入電壓-檢測電流方式, 在降低網(wǎng)絡(luò)能耗方面有著巨大的優(yōu)勢;但實(shí)物器件方面, 目前實(shí)現(xiàn)的憶容神經(jīng)元相比理想憶容神經(jīng)元在能耗及性能上還存在差距[20,27,56].

圖2 基于憶容的神經(jīng)形態(tài)計算Fig.2.Neuromorphic computation based on memcapacitors.

本文概述了基于憶容神經(jīng)形態(tài)計算的最新進(jìn)展.主要包括目前實(shí)物/仿真憶容器原理與特性、代表性的憶容突觸、神經(jīng)元及神經(jīng)形態(tài)計算架構(gòu),并在文章最后對當(dāng)前該領(lǐng)域面臨的挑戰(zhàn)及未來憶容神經(jīng)網(wǎng)絡(luò)發(fā)展的重點(diǎn)進(jìn)行總結(jié)與展望.

2 實(shí)物憶容器件

現(xiàn)階段憶容器的實(shí)現(xiàn)原理可分為3 類: 1)整體等效介電常數(shù)變化.偏置電壓的作用使器件整體的等效介電常數(shù)展現(xiàn)出隨偏置電壓非線性變化的憶容效應(yīng).2)幾何結(jié)構(gòu)變化.偏置電壓改變電容電極形狀、電極間距等幾何結(jié)構(gòu)以實(shí)現(xiàn)可控變?nèi)? 如彈簧電極結(jié)構(gòu)、雙球電極結(jié)構(gòu)、彈性薄膜電極結(jié)構(gòu)等[30,31,57].3)多器件組合.將不同器件組合使整體對外輸入輸出表現(xiàn)出憶容特性, 如偽憶容將憶阻器與大電容串聯(lián)[20,58]及由電阻、電容、放大器等器件構(gòu)成的憶容電路[40,42,49,51,52].

2.1 基于整體等效介電常數(shù)變化的憶容

研究人員在一些含單/復(fù)合金屬氧化物層[24,32?36,59]及一些含有機(jī)聚/絡(luò)合物層[25?27,60]的三明治結(jié)構(gòu)器件中發(fā)現(xiàn)憶容效應(yīng), 目前所提出的憶容機(jī)理包括導(dǎo)電納米絲的產(chǎn)生與湮滅[35,38]、界面肖特基勢壘調(diào)制[24,36,37]、離子/離子團(tuán)遷移[26,61]、分子群極化[27]、氧化/還原TiOx活性層[59]、氧空位遷移時氧化物介電常數(shù)變化[33,62]、電荷歧化[25]、有機(jī)介質(zhì)材料導(dǎo)電性轉(zhuǎn)變[60]、形成空間絕緣層[28]等.

目前提出的含單/復(fù)合金屬氧化物層介質(zhì)材料的憶容器結(jié)構(gòu)包括: Au/Pr0.7Ca0.3MnO3(PCMO)/YBCO/LAO 結(jié) 構(gòu)[28], Au/Ti–HfO2-InP/InGaAs結(jié)構(gòu)[37], Pt/LaAlO3/Nb:SrTiO3/Pt 結(jié)構(gòu)[38], Pt/TiOx/TiO2/Pt 結(jié) 構(gòu)[35,59], Ag/MoOx/MoS2/Ag 結(jié)構(gòu)[24], Ti/Al2O3/Nb2O5/Ti 結(jié)構(gòu)[36], ITO/HfOx/p-Si結(jié)構(gòu)[33], Pt/LSMCO/NSTO(Nb:SrTiO3)結(jié)構(gòu)[34]等.偏壓會使這些器件的電極與介質(zhì)材料之間或同/不同介質(zhì)材料層之間發(fā)生氧空位遷移.下面將以HfOx為介質(zhì)材料的憶容器為例, 簡要介紹氧空位遷移對憶容器件的調(diào)控機(jī)理.

圖3 ITO (In-Sn-O)/HfOx/p-Si 結(jié)構(gòu)憶容器及C-V 曲線[33]Fig.3.Structure of ITO (In-Sn-O)/HfOx/p-S memcapacitor and its C-V curves[33].

ITO/HfOx/p-Si 結(jié)構(gòu)的憶容性質(zhì)如圖3 所示[33],當(dāng)施加正向偏置電壓時, HfOx層的氧離子向ITO電極進(jìn)行遷移, HfOx層材料介電常數(shù)降低, 電容下降; 當(dāng)偏置電壓方向改變時, 氧離子遷移回HfOx層, 電容上升.Pt/HfOx/n-IGZO 結(jié)構(gòu)憶容器同理[62],不同方向的偏壓使HfOx層與n-IGZO 層發(fā)生氧離子遷移, 導(dǎo)致顯著憶容現(xiàn)象.然而, 利用氧空位遷移時氧化物介電常數(shù)變化進(jìn)行調(diào)控有一個明顯缺點(diǎn), 施加偏置電壓時, HfOx層形成的氧空位產(chǎn)生的電場會吸引氧離子重新組合, 使這類器件重復(fù)加壓循環(huán)后, 保持性與穩(wěn)定性受到影響.

圖4 為Au/Ti/HfOx/InP 結(jié)構(gòu)憶容器[37], 與前兩種以HfOx為介質(zhì)材料的憶容原理不同, 器件的HfOx/InP 界面處形成了一個電荷積累層, 器件能帶圖如圖4(b)所示, 電容-電壓與電阻-電壓曲線如圖4(c)和圖4(d)所示.Pt/Pr0.7Ca0.3MnO3(PCMO)/YBCO/LAO 結(jié)構(gòu)的憶容現(xiàn)象源于電荷絕緣層, 憶容性質(zhì)如圖5(a)所示[28], 當(dāng)加正負(fù)脈沖時,電容容值隨脈沖方向不斷跳變.在PCMO 中, 導(dǎo)電機(jī)理一般被認(rèn)為是由小極化子組成的載流子, 沿著Mn-O-Mn-O 鏈即Mn 的d 電子態(tài)與O 的p 電子態(tài)雜化運(yùn)動; 而氧空位會降低甚至破壞這一雜化,使電阻增大電子堆積, 在PCMO 薄膜中形成空間電荷絕緣層.電容開關(guān)效應(yīng)隨頻率變化如圖5(c)所示, 器件電容呈串聯(lián)效應(yīng), 故當(dāng)施加負(fù)脈沖時,氧空位在頂部堆積, 使器件頂部形成空間電荷絕緣區(qū), 頂部串聯(lián)的電阻、電容增大導(dǎo)致器件整體的電容、電阻增大; 當(dāng)施加正脈沖時, 局部空穴減少, 頂部電阻、電容減小, 器件整體電阻、電容減小.

界面肖特基勢壘也可以對器件電容進(jìn)行調(diào)制.Ag(TE)/MoOx/MoS2/Ag(BE)器件結(jié)構(gòu)如圖6(a)所示[24], Ag(TE)與MoOx界面形成肖特基結(jié).未施加偏壓時, Ag 器件MoOx層Mo6+(MoO3)與Mo5+(MoOxSy)的分布含量隨深度的關(guān)系如圖6(b)所示, 隨著深度增加Mo6+含量不斷降低.當(dāng)對器件施加偏置電壓時, MoOx層發(fā)生氧空位遷移,Ag(TE)/MoOx界面附近的Mo6+與Mo5+分布含量改變, 對Ag(TE)與MoOx界面形成的肖特基勢壘進(jìn)行調(diào)制, 出現(xiàn)的憶容、憶阻現(xiàn)象如圖6(c)所示.肖特基勢壘調(diào)制機(jī)制也出現(xiàn)在Pt/LaAlO3/Nb:Sr-TiO3結(jié)構(gòu)[34]、Ti/Al2O3/Nb2O5/Ti 結(jié)構(gòu)[36]等憶容器件中, 偏壓使與電極形成肖特基結(jié)的介質(zhì)材料層發(fā)生氧空位遷移, 調(diào)制肖特基勢壘, 可出現(xiàn)憶容現(xiàn)象.

以上器件有諸多相似特征.首先, 這些器件的憶容性質(zhì)都是器件內(nèi)部發(fā)生氧空位遷移導(dǎo)致的, 他們的電容比一般大于10, 這使得可以在計算中代表0 與1.相較來說, 用二維材料MoOx/MoS2基于肖特基勢壘調(diào)制機(jī)理的憶容器件開關(guān)電壓低, 魯棒性好; 基于HfOx材料介電常數(shù)變化的憶容器高/低電容穩(wěn)定, 但魯棒性不好.另一方面, 目前大部分基于單/復(fù)合金屬氧化物層的憶容器并非絕緣體, 相對于不超過10 nF 的最大電容態(tài), 其器件的電阻過小, 所產(chǎn)生的漏電效應(yīng)顯著, 距理想憶容的數(shù)學(xué)模型及實(shí)際應(yīng)用還有不小距離.

圖4 Au/Ti/HfOx/InP 結(jié)構(gòu)憶容器[37] (a) 器件結(jié)構(gòu)及總I-V 曲線; (b) 零偏壓下器件能帶結(jié)構(gòu); (c) 器件 R C 等效電路及C-V 曲線; (d) 器件R-V 曲線Fig.4.Structure of Au/Ti/HfOx/InP memcapacitor[37]: (a) device structure and total I-V curves; (b) schematics for the band diagram of the metal HfO2-semiconductordiode at zero bias; (c) equivalent circuit of device and its C-V curves; (d) R-V curves.

圖5 室溫下Pt/Pr0.7Ca0.3MnO3(PCMO)/YBCO/LAO 結(jié)構(gòu)憶容器性質(zhì)[28] (a) 非易失電容隨脈沖電壓數(shù)的變化; (b) 非易失電阻隨脈沖電壓數(shù)的變化; (c) 非易失電容隨測試電壓頻率的變化Fig.5.Nonvolatile capacitance and resistance changes for Au/PCMO/YBCO/LAO structure sample at room temperature[28]:(a) Nonvolatile capacitance changes with applied pulse numbers; (b) nonvolatile resistance changes with applied pulse numbers;(c) nonvolatile capacitance changes with frequency.

圖6 (a) Ag(TE)/MoOx/MoS2/Ag(BE)憶容器件結(jié)構(gòu)[24]; (b)鉬氧化態(tài)MoOx/MoS2 樣品在200 ℃持續(xù)3 h 退火后的XPS 剖面;填充區(qū)域代表一個Mo6 +豐富的區(qū)域[24]; (c)電阻、電容開關(guān)性質(zhì)[24]Fig.6.[24](a) Ag(TE)/MoOx/MoS2/Ag(BE) structure memcapacitor[24]; (b) Molybdenum oxidation-state XPS profile of the MoOx/MoS2 sample annealed at 200 ℃ for 3 h; the filled area represents a Mo6+ -rich region[24]; (c) capacitance and resistance switch characteristics[24].

除了基于氧空位遷移的無機(jī)單/復(fù)合金屬氧化物憶容, 研究人員在含有機(jī)聚/絡(luò)合物層的三明治結(jié)構(gòu)中發(fā)現(xiàn)良好的憶容效應(yīng).2009 年惠普實(shí)驗(yàn)室將 MEH-PPV(2-methoxy-5-(2'-ethylhexyloxy)-pphenylene vinylene)有機(jī)聚合物層加入含RbAg4I5離子導(dǎo)體層的Al/Ti/RbAg4I5/MEH-PPV/SiO2/p-Si/Al 結(jié)構(gòu)中, 如圖7(a)所示[26].無偏壓時, Ag+離子擴(kuò)散到聚合物層, I–離子不顯著擴(kuò)散; 當(dāng)施加負(fù)偏壓時, 離子導(dǎo)體層的I–離子向聚合物層逐漸擴(kuò)散并形成離子團(tuán),離子團(tuán)與Ag+離子形成離子偶極子固定在聚合物層, 使有MEH-PPV 層介電常數(shù)增大; 當(dāng)去除偏壓時, Ag+由于受I–離子在聚合物中的電場的吸引, 介電常數(shù)基本保持不變;當(dāng)施加正偏置電壓到一定值時, I–離子漂移回離子導(dǎo)體層, MEH-PPV 層介電常數(shù)降低.器件的電容一定程度上取決于離子遷移的程度, 使得器件的保持性受外界條件影響較大; 同時離子遷移對MEH-PPV 層的破壞在一定程度上會影響器件魯棒性.2019 年, 蘇州大學(xué)研究團(tuán)隊(duì)在ITO/MASnBr3(MA = methylammonium)/Au 結(jié)構(gòu)器件中發(fā)現(xiàn)高電容、多電容態(tài)的憶容效應(yīng), 憶容器結(jié)構(gòu)、憶容原理與憶容特性如圖7(b)、圖7(c)、圖7(d)所示,該器件的憶容效應(yīng)被認(rèn)為來自于介質(zhì)層中Br–離子遷移觸發(fā)的p-i-n 結(jié)電容調(diào)制[61].同年, 蘇州大學(xué)王穗東課題組[60]提出Cu/并五苯(pentacene) /聚苯乙烯(polystyrene) (PS)/SiO2/Si 結(jié)構(gòu)器件, 如圖7(e)所示.在高的負(fù)偏壓下, Cu 電極很難將電子注入并五苯層, 并五苯層表現(xiàn)為空穴耗盡的介電層,Cmin反映為并五苯層、PS 層和SiO2介電層的總串聯(lián)電容; 高正偏置的情況下, 并五苯層易被空穴注入, 表現(xiàn)為空穴累加, 使得Cmax僅反映PS 層和SiO2介電層的總串聯(lián)電容.

圖7 (a)Al/Ti/RbAg4I5 /MEH-PPV/SiO2 /p-Si/Al 憶容器結(jié)構(gòu)及其特性曲線[26]; (b) ITO/MASnBr3/Au 結(jié)構(gòu)圖[61]; (c) ITO/MASnBr3/Au 原理圖[61]; (d) ITO/MASnBr3/Au 結(jié)構(gòu)的憶容特性(1 MHz 下的C-V 與Q-V 特性)[61]; (e) 硅 底電極保持接地的有機(jī)薄膜記憶電容的器件結(jié)構(gòu)和正負(fù)偏壓下的電荷積累方案[60]Fig.7.(a) A memory capacitor with an Al/Ti/RbAg4I5 /MEH-PPV/SiO2 /p-Si/Al structure (inset) and its characteristic curve[26];(b) schematic diagram of the ITO/MASnBr3/Au structure[61]; (c) mechanism of the ITO/MASnBr3/Au structure[61]; (d) memcapacitive characteristics of the ITO/MASnBr3/Au device(C-V hysteresis and Q-V loops detected at 1 MHz); (e) device structure and charge accumulation scheme under negative (top) and positive (bottom) biases of an organic thin film memcapacitor, where the Si bottom electrode is kept grounded[60].

2020 年南京大學(xué)與聊城大學(xué)團(tuán)隊(duì)用Al/copolymer/ITO 結(jié)構(gòu)憶容器實(shí)現(xiàn)shortlong-term plasticity (SLTP), paired pulse facilitation (PPF)等神經(jīng)突觸功能, 且開關(guān)電壓僅0.5 V, 如圖8 所示[27].器件電容的改變主要源于共聚物膜的極化特性,極化與去極化分別對應(yīng)著器件的高容態(tài)與低容態(tài),極化與去極化的過程需要時間, 故會有電容的脈沖漸變性質(zhì).同年, 新加坡國立大學(xué)研究團(tuán)隊(duì)在nature nanotechnology 期刊上報導(dǎo)含金屬有機(jī)絡(luò)合物層的Au(flat)/[Ru(L)2](PF6)2/Au nanodiscs/ITO/YSZ 結(jié)構(gòu)器件出現(xiàn)憶容、憶阻開關(guān)效應(yīng), 如圖9 所示[25].文獻(xiàn)認(rèn)為, 外加電場會誘導(dǎo)材料發(fā)生電荷歧化, 使材料中電子的對稱性破缺, 進(jìn)而出現(xiàn)憶容、憶阻開關(guān)效應(yīng).相比之前提出的有機(jī)憶容器件, 該器件將有機(jī)層厚度限制在納米級的同時, 還具有高度的可復(fù)制性和魯棒性, 為憶容器、憶阻器的構(gòu)建提供了一種新思路.

有機(jī)聚合物相對較大的電阻率, 能有效地減緩憶容器中電荷的泄漏速度, 使器件具備應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ), 但如何進(jìn)一步減小器件面積、提高器件電容變化速度, 是需要進(jìn)一步解決的問題.

還有一些關(guān)于微型憶容器結(jié)構(gòu)的設(shè)想, 比如Martinez-Rincon 等[29]于2010 年提出, 在平板電容器內(nèi)插入多層金屬和絕緣材料層, 通過金屬板間電子隧穿實(shí)現(xiàn)憶容效應(yīng).結(jié)構(gòu)如圖10 所示, 插入的金屬板之間距離非常短, 與電容外部電極板距離較遠(yuǎn).該結(jié)構(gòu)使得內(nèi)部金屬板與電極板之間不會傳遞電荷, 而內(nèi)部金屬板間由于距離非常小, 電極板的偏壓使金屬板間發(fā)生電子隧穿, 電荷在金屬板間轉(zhuǎn)移, 影響整體等效的介電常數(shù), 進(jìn)而出現(xiàn)憶容效應(yīng).

2.2 幾何效應(yīng)憶容

與基于整體等效介電常數(shù)變化的憶容不同, 幾何效應(yīng)憶容通過改變器件的幾何結(jié)構(gòu)以達(dá)到改變電容值的目的, 目前主要有基于微/納機(jī)電(MEMS/NEMS)系統(tǒng)的憶容[31]與基于生物模擬系統(tǒng)的憶容[30].其憶容特性源于微納尺度下系統(tǒng)機(jī)械和電氣性能的相互作用.

圖8 基于記憶電容的人工突觸短期塑性模擬[27] (a) 生物突觸和Al/共聚物/ITO 人工突觸裝置信號傳輸示意圖, 共聚物薄膜的AFM 圖像; (b) C-V 曲線; (c) 器件的PPF 行為, A1 和A2 分別代表第一個和第二個突觸前突起的PSC, 紅色和藍(lán)色曲線分別代表正、負(fù)電壓下的興奮性PSC 和抑制性PSC; (d) PPF 指數(shù)被繪制成時間間隔的函數(shù)Fig.8.Short-term plasticity emulated in artificial synapse based on memory capacitance[27]: (a) Schematic illustrations of the signal transmission in biological synapse and the Al/copolymer/ITO artificial synaptic device.AFM image of copolymer film; (b) the C-V curves; (c) PPF behaviors of the device.A1 and A2 represent the PSC of the first and second presynaptic spike, respectively.The red and blue curves represent the excitatory and inhibitory PSC under negative and positive voltage, respectively.The inset shows schematic of pulse application; (d)PPF index plotted as a function of the time interval.

圖9 帶[Ru(L)2](PF6)2 層器件的測試結(jié)構(gòu)及電學(xué)特性[25] (a) 3 種結(jié)構(gòu)的示意圖; (b)—(d) A(b), B (c)和C (d)結(jié)構(gòu)電流密度對電壓J(V)的特性; (e)—(f) 頂部面板顯示了結(jié)構(gòu)A(e)和B(f)的相對介電常數(shù)與電壓的特性, 并覆蓋了相應(yīng)結(jié)構(gòu)的J(V)曲線;底部的面板顯示了結(jié)構(gòu)A(e)和B(f)對應(yīng)的電荷和電壓曲線Fig.9.Test structures and electrical characterizations of devices with [Ru(L)2](PF6)[25]: (a) Schematic illustration of the three structures; (b)–(d) the current density versus voltage J(V) characteristics of structures A(b), B(c) and C(d); (e)–(f) the top panels show the relative permittivity versus voltage characteristics of structures A(e) and B(f), overlaid with the J(V) curves of the corresponding structures.The bottom panels show the corresponding charge versus voltage profiles for structures A(e) and B(f).

圖10 電子隧穿憶容模型[29]Fig.10.Scheme of an electron tunneling memcapacitor[29].

圖11 (a)和圖11(b)是由MEMS 技術(shù)搭建的憶容系統(tǒng)[31]與相應(yīng)電壓電容曲線.該系統(tǒng)電容的改變來源于外加電壓導(dǎo)致的極板間距離變動.與之相似的, 圖11(c)為提出的理想彈性電極憶容, 上極板由彈簧懸掛, 電壓改變極板上電荷進(jìn)而改變受力使上下極板間距離變動, 達(dá)到電壓控制電容的目的.這樣的憶容系統(tǒng)也可由彈性薄膜作為電極實(shí)現(xiàn)[57,63], 只用將之前的彈簧與上極板用彈性薄膜代替.

圖12 展 示 的BMC(biomolecular memcapacitor)是一個由仿生膜組裝而成的憶容器[30].在有機(jī)溶劑中, 磷脂單分子層膜包裹的兩個油滴在接觸處形成橢圓形磷脂雙分子層容性界面膜, 構(gòu)成器件.器件憶容方程可表達(dá)為

其中,Q為電容上電荷,W為器件磷脂雙分子層容性界面膜厚度,R為膜半徑.其帶曲率平行板電容可表達(dá)為

其中,a為平面橢圓度.當(dāng)器件兩端施加偏置電壓時, 離子在膜兩端迅速積累, 離子積累產(chǎn)生的張力使得界面膜排出或吸收膜間夾的葵烷分子, 使得界面膜的形狀及雙分子層疏水層厚度改變, 動力學(xué)方程為

其中,ξ與k為有效阻尼與剛度,v為外加偏壓.器件有效電壓頻率在10 Hz 內(nèi), 該頻率下該器件電容的相對變化通常160%到200%.

圖11 (a) 雙狀態(tài)MEM 憶容[31]; (b) 憶容的電容-電壓曲線[31]; (c) 彈性電極憶容Fig.11.(a) Photograph of a two-state MEM capacitor[31]; (b) measured capacitance as a function of voltage of the two-state capacitor[31]; (c) elastic poles memcapacitor.

圖12 生物憶容器仿生膜組裝與電行為[30] (a) 一種模擬生物膜結(jié)構(gòu)的電容平面脂質(zhì)雙分子層, 在脂質(zhì)包被的微滴之間接觸并排除多余油脂后自發(fā)形成; (b) 由靜膜電壓v(t)引起的幾何變化示意圖Fig.12.Biomimetic membrane assembly and electromechanical behaviours[30]: (a) A capacitive planar lipid bilayer that mimics the structure of a biological membrane forms spontaneously upon contact between lipid-coated droplets and exclusion of excess oil; (b) a schematic describing the geometrical changes caused by a net membrane voltage, v(t).

目前, 相較于整體等效介電常數(shù)變化的憶容,改變器件幾何結(jié)構(gòu)實(shí)現(xiàn)的憶容在電容開關(guān)比、電容大小、響應(yīng)速度等方面不如前者.由于需要改變器件幾何結(jié)構(gòu), 電壓頻率也有所限制, 但基于幾何結(jié)構(gòu)變化的憶容電極之間可以做到近乎絕緣, 無泄漏電流問題.

2.3 多器件組合憶容

偽憶容結(jié)構(gòu)在2012 年首次被提出[15], 其模型經(jīng)過不斷完善[45], 2018 年被實(shí)物實(shí)現(xiàn).偽憶容實(shí)物與等效電路及憶容性質(zhì)如圖13 所示[20], 由Pt/Ag/SiOx:Ag/Ag/Pt 結(jié)構(gòu)的憶阻器與Pt/Ta2O5/TaOx/Pt 結(jié)構(gòu)電容器串聯(lián)構(gòu)成.憶阻器的寄生電容是小電容, 與憶阻器串聯(lián)的電容是大電容, 當(dāng)施加高電壓, 憶阻器由高阻態(tài)轉(zhuǎn)為低阻態(tài), 此時憶阻的寄生電容效應(yīng)可忽略, 于是有

其中:

當(dāng)施加反向電壓時, 憶阻轉(zhuǎn)為高阻態(tài),Rm相當(dāng)于斷路, 憶阻寄生電容顯現(xiàn)與外加電容串聯(lián)有

故通過控制憶阻器兩端的電壓可以控制器件的總憶容.與基于其他的單一憶容相比, 偽憶容能實(shí)現(xiàn)理想的電容切換, 可直接用于憶容神經(jīng)網(wǎng)絡(luò)的構(gòu)建; 但相應(yīng)的, 偽憶容的容值切換源于憶阻的電阻切換, 故開關(guān)能耗相比理想憶容器件更大; 由于需要串聯(lián)一個很大的電容, 大電容的充電放電時間與憶阻的高低電阻切換速度也在一定程度上限制偽憶容的應(yīng)用范圍.

用更多器件組合而成的憶容如圖14 所示,圖14(a)中是一個基于米勒效應(yīng)的憶容[49], 我們可以很容易的得到

憶阻RM的阻值隨輸入電壓變化, 故輸入電容隨輸入電壓變化.

圖14(b)是一個等效的電阻串聯(lián)憶容電路[47],得輸入阻抗表達(dá)式為

由(15)式得串聯(lián)憶容為

圖14(c)給出一個廣義憶系列模型[51], 綠框部分為憶系列元件的通用接口, 可以通過改變接口元件實(shí)現(xiàn)憶容-憶阻-憶感的切換.當(dāng)1 處取電阻, 2 處取變?nèi)荻O管時, 電路輸入輸出為憶容器, 憶容大小可表示為

其中:α,β,λ都為電路相關(guān)常數(shù);φAB為.

還有很多類似的憶容電路, 但目前為止提出的組合憶容電路都較復(fù)雜[40,50,52,53].組合器件模擬的憶容, 能很好地模擬憶容的電容變化等特性, 可用于仿真、電路設(shè)計等方面[64?66], 但能耗、規(guī)模、響應(yīng)速度等方面不具備參考性.

3 基于憶容的突觸及神經(jīng)元

圖13 偽憶容[20] (a) 偽憶容的掃描電子顯微圖的平面視圖和透射電子顯微圖的截面圖; (b)集成偽憶容的電荷-電壓關(guān)系Fig.13.Dynamic pseudo-memcapacitor(DPM)[20]: (a) a scanning electron micrograph of the plan view of the integrated DPM, and a transmission electron micrograph of the cross-section; (b) charge-voltage relationship of the integrated DPM.

圖14 憶容仿真電路原理圖 (a) 基于密勒效應(yīng)的憶容仿真電路[49]; (b) 憶容-電阻串聯(lián)電路[47]; (c) 提出的多功能電路[51]Fig.14.Schematic of the memcapacitor emulator: (a) Schematic of the memcapacitor emulator based on the Miller effect[49];(b) memcapacitor-resistor series circuit[47]; (c) the proposed mutator circuit[51].

人們提出的神經(jīng)元模型有很多, 其中最早提出且影響最大的是1943 年心理學(xué)家McCulloch 和數(shù)學(xué)家Pitts 在分析總結(jié)神經(jīng)元基本特性的基礎(chǔ)上提出的MP 神經(jīng)元模型[67], 指出了神經(jīng)元的形式化數(shù)學(xué)描述和網(wǎng)絡(luò)結(jié)構(gòu)方法.MP 模型中, 單個神經(jīng)元結(jié)構(gòu)如圖15 所示, 神經(jīng)元的細(xì)胞體將樹突中突觸連接所提供的電荷收集并累加, 直到總電荷達(dá)到閾值, 然后神經(jīng)元沿著軸突發(fā)射一個峰值, 由此產(chǎn)生的脈沖傳遞到通過突觸連接的其他神經(jīng)元, 這些神經(jīng)元可以根據(jù)突觸的權(quán)重加強(qiáng)或抑制信號.

圖15 MP 神經(jīng)元模型Fig.15.MP-neuron mode.

數(shù)學(xué)上描述為

其中,y為神經(jīng)元的信號輸出,x為上一個神經(jīng)元的信號輸入,ω為突觸的權(quán)值,θ為神經(jīng)元胞體的閾值; 函數(shù)f為激活函數(shù), 通常用非線性函數(shù)如sigmoid 函數(shù), 或線性函數(shù)如斜面函數(shù)、閾值函數(shù)等.

1952 年, 人們提出了生理學(xué)上更準(zhǔn)確的Hodgkin-Huxley 神經(jīng)元模型[68], 涉及K+, Ca2+離子濃度等的超過20 個參數(shù)的耦合微分方程, 為神經(jīng)元近似模擬研究提供參考[69].后來神經(jīng)科學(xué)研究將重點(diǎn)轉(zhuǎn)移到神經(jīng)元群體的學(xué)習(xí)、認(rèn)知和行為等更高層次的概念上, 由此產(chǎn)生的模型如Hopfield 網(wǎng)絡(luò)、Hebbian 學(xué)習(xí)等, 成為人工神經(jīng)網(wǎng)絡(luò)架構(gòu)和學(xué)習(xí)規(guī)則的基礎(chǔ)[70,71].目前用于神經(jīng)形態(tài)計算的人工神經(jīng)網(wǎng)絡(luò)可分為脈沖神經(jīng)網(wǎng)絡(luò)和非脈沖神經(jīng)網(wǎng)絡(luò)(卷積神經(jīng)網(wǎng)絡(luò)等), 這些網(wǎng)絡(luò)一般由大量神經(jīng)元組成, 神經(jīng)元之間依靠突觸連接[19,21,22].

脈沖神經(jīng)網(wǎng)絡(luò)與非脈沖神經(jīng)網(wǎng)絡(luò)中的突觸可以共用, 這些突觸包含兩個功能—權(quán)重存儲的功能和根據(jù)脈沖觸發(fā)修改權(quán)重的功能.不同類型網(wǎng)絡(luò)的神經(jīng)元功能差別很大, 但結(jié)構(gòu)都可以概括為兩部分, 突觸信號接收部分與信號加工輸出部分.目前代表性基于憶容構(gòu)建的神經(jīng)突觸有: 單憶容突觸[27]、四憶容橋式突觸[16]、電壓源電流源憶容器混合突觸[18].代表性神經(jīng)元結(jié)構(gòu)有:N憶容單MOS 管結(jié)構(gòu)神經(jīng)元(N為大于1 的整數(shù))[21]、帶二極管脈沖神經(jīng)元[17]及偽憶容脈沖神經(jīng)元[20]等.由于目前實(shí)物憶容器件的限制, 規(guī)模較大的憶容神經(jīng)形態(tài)計算網(wǎng)絡(luò)多以仿真形式進(jìn)行.

3.1 基于憶容的人工神經(jīng)突觸

閾值電壓型憶容器本身可以作為一個突觸, 用電容值代表存儲的權(quán)重, 低于閾值的脈沖電壓讀取權(quán)重, 高于閾值的脈沖電壓修改權(quán)重, 如上文憶容器件部分的Al/copolymer/ITO 結(jié)構(gòu)憶容器[27], 可以作為獨(dú)立的突觸應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)中.

圖16 憶容橋式突觸電路[16]Fig.16.Memcapacitor bridge synaptic circuit[16].

圖16 所示為基于4 個全同憶容器的突觸電路[16], 令D為電容的倒數(shù), 有

上下兩路總電容相同, 故加壓時通過上下兩路的電荷總量q相同, 由憶容的性質(zhì)

得

其中,c為一常數(shù).由基爾霍夫定律知, 輸入輸出電壓

其中,Ψ為權(quán)重, 具有權(quán)重存儲的目的, 當(dāng)施加超過閾值的電壓脈沖時,Ψ可在一定范圍內(nèi)變化, 可達(dá)到權(quán)重更新的目的.

3.2 基于憶容的脈沖網(wǎng)絡(luò)神經(jīng)元

如圖17(a)所示為帶二極管的脈沖神經(jīng)元結(jié)構(gòu)[17],C1,C2, ···,Cn為憶容突觸, 綠色方框內(nèi)的Nj為神經(jīng)元的胞體,S為受控開關(guān).當(dāng)胞體的輸出電壓Vout大于設(shè)定的閾值時, 開關(guān)S閉合, 使胞體內(nèi)的電容C電壓歸零, 同時神經(jīng)元向下一個突觸發(fā)出一個電壓脈沖.神經(jīng)元實(shí)現(xiàn)的STDP 特性如圖17(b)所示, 突觸不同權(quán)重對神經(jīng)元輸出脈沖間隔的調(diào)制如圖17(c)所示.

如圖18 所示, 為一個偽憶容脈沖神經(jīng)元的結(jié)構(gòu)與動作過程[20].圖18(b)為突觸動作過程:t1時刻, 當(dāng)輸入端輸入電壓脈沖時, 偽憶容內(nèi)部的憶阻進(jìn)行脈沖積累;t2時刻, 當(dāng)輸入脈沖積分超過閾值時, 偽憶容內(nèi)部的憶阻開啟, 大電容快速充電, 輸出電壓突增;t3時刻, 之后當(dāng)輸入脈沖電壓到的脈沖底電壓時, 內(nèi)部憶阻器由電容作用的反向偏壓而關(guān)閉, 恢復(fù)到初始狀態(tài).輸入輸出電壓脈沖曲線如圖18(d)所示, 當(dāng)輸入脈沖數(shù)達(dá)到一定數(shù)量時, 出現(xiàn)輸出脈沖.

圖17 憶容記憶突觸[17] (a) 集成神經(jīng)網(wǎng)絡(luò)中的憶容突觸; (b) 憶容突觸實(shí)現(xiàn)STDP; (c) 單個突觸的集成憶容神經(jīng)元點(diǎn)火仿真Fig.17.Memcapacitive synapses[17] (a) Memcapacitive synapses in integrate-and-fire neural network; (b) STDP with memcapacitive synapses; (c) simulation of integrate-and-fire memcapacitive network with only one spiking neuron.

圖18 偽憶容突觸[20] (a) 生物神經(jīng)元接受高頻突觸后輸入后產(chǎn)生動作電位的示意圖; (b) 偽憶容的集成和觸發(fā)過程; (c) 電子神經(jīng)元晶體管的原理圖; (d) 電子神經(jīng)元-晶體管集成-點(diǎn)火過程的動力學(xué)Fig.18.Pseudo-memcapacitor synapse[20]: (a) Schematic representation of a biological neuron generating an action potential after receiving high-frequency post-synaptic inputs; (b) the integrate-and-fire process of a pseudo-memcapacitor synapse; (c) schematic of the synapse-transistor; (d) dynamics of the synapse-transistor integrate-and-fire process.

圖19 憶容-MOS 耦合神經(jīng)元胞體[21]Fig.19.Neuron-MOS transistor couples the memcapacitor cells[21].

3.3 基于憶容的非脈沖網(wǎng)絡(luò)神經(jīng)元

圖19 為憶容-MOC 耦合神經(jīng)元接收突觸信號的部分[21], 由MOS 管連接多個憶容突觸, 并接收憶容突觸的信號.其中V1, ···,Vm為輸入電壓信號,C0為MOS 管的等效耦合電容,C1,···,Cm為憶容突觸的電容值(權(quán)重).使V0= 0 接地, 有輸出電壓:

其中

Vg即為接收到的突觸信號.

圖20(a)為含n個憶容-MOS 耦合神經(jīng)元的網(wǎng)絡(luò)結(jié)構(gòu).圖20(b)和圖20(d)為憶容-MOC 耦合神經(jīng)元的信號加工輸出部分, 功能為將sigmoid 函數(shù)或線性函數(shù)作用到所接收的突觸信號上, 并輸出給下一個神經(jīng)元.sigmoid 函數(shù)電路輸出表達(dá)式為

其中,VDD為圖示的電壓源電壓,Vin1和Vin2分別為in1 和in2 處的電位.其他均為一些固定參數(shù),其與sigmoid 函數(shù)比較的曲線如圖20(c)所示.

圖20 MC-ACU[21] (a) 全結(jié)構(gòu)電路圖; (b) sigmoid 神經(jīng)元電路; (c) 在HSPICE 中的仿真曲線(藍(lán))與理論數(shù)學(xué)曲線(紅)對比;(d) 線性神經(jīng)元電路; (e)在HSPICE 中的仿真曲線(藍(lán))與理論數(shù)學(xué)曲線(紅)對比Fig.20.MC-ACU[21]: (a) Overall architecture; (b) sigmoid neuron circuit; (c) simulation results in HSPICE (blue) compared with the mathematical sigmoid(red); (d) linear neuron circuit; (e) simulation results in HSPICE (blue) compared with the mathematical linear (red).

圖20 (d)所示的線性函數(shù)電路輸出表達(dá)式為

仿真曲線如圖20(e).

4 基于憶容的神經(jīng)形態(tài)計算

McCulloch 與Pitts 證明, 在神經(jīng)元相互連接且同步的情況下, 網(wǎng)絡(luò)能計算任何已知函數(shù)[67].只需更改神經(jīng)元的連接方式, 即可構(gòu)成不同應(yīng)用下所需的神經(jīng)網(wǎng)絡(luò).2018 年Wang 等[20]用偽憶容神經(jīng)元模擬聯(lián)想學(xué)習(xí)—巴普諾夫的狗實(shí)驗(yàn).2019 年Tran 等[22]提出用憶容進(jìn)行儲層運(yùn)算的架構(gòu).

Hebbian 規(guī)則是突觸權(quán)重調(diào)節(jié)最重要的細(xì)胞機(jī)制之一[72], 揭示了突觸前后膜相關(guān)信號與突觸權(quán)重變化之間的關(guān)系.圖21 為用偽憶容網(wǎng)絡(luò)基于類Hebbian 規(guī)則實(shí)現(xiàn)的聯(lián)想學(xué)習(xí)實(shí)驗(yàn)[20].兩個突觸前電壓脈沖信號分別模擬看到食物和聽到鈴聲,突觸后神經(jīng)元模擬狗的流涎; 與“食物”突觸前神經(jīng)元連接的突觸的初始重量較大, 而與“鈴聲”突觸前神經(jīng)元連接的突觸的初始重量較小.經(jīng)過一系列“鈴聲”與“食物”的聯(lián)合刺激后, 成功實(shí)現(xiàn)只有“鈴聲”刺激的情況下, 突觸后神經(jīng)元興奮, 即“狗流涎”.

儲層計算是一種相對較新的神經(jīng)形態(tài)計算結(jié)構(gòu), 與傳統(tǒng)遞歸神經(jīng)網(wǎng)絡(luò)(RNN)相比, 期避免訓(xùn)練大規(guī)模節(jié)點(diǎn), 大大提高計算效率, 可用于火焰模擬、股票預(yù)測等多種混沌預(yù)測場合.基于憶容的儲層計算結(jié)構(gòu)如圖22 所示[22], 該結(jié)構(gòu)將憶容網(wǎng)絡(luò)作為儲層(reservoir), 儲層的憶容器之間用納米線隨機(jī)連接, 網(wǎng)絡(luò)中的節(jié)點(diǎn)電壓矩陣x(t)為儲層向讀出層(readout layer)提供的狀態(tài)變量,Wres(t)為包含儲層每一個憶容容值的矩陣定義為

圖21 基于電容式網(wǎng)絡(luò)的聯(lián)想學(xué)習(xí)機(jī)制[20].兩個突觸前信號分別模擬食物的視覺和鈴聲.突觸后神經(jīng)元模擬狗的唾液分泌.與“食物”突觸前神經(jīng)元連接的突觸的初始權(quán)重較大, 而與“鐘”突觸前神經(jīng)元連接的突觸的初始權(quán)重較小Fig.21.Capacitive network for associative learning based on the Hebbian-like mechanism[20].Two pre-synaptic signals model the sight of food and the sound of a bell, respectively.The post-synaptic neuron models the salivation of a dog.The initial weight of the synapse interfacing with the “food” pre-synaptic neuron was large, while that of the synapse connected to the “bell” pre-synaptic neuron was small.

圖22 憶容儲層計算網(wǎng)絡(luò)[22]Fig.22.A memcapacitive reservoir network[22].

網(wǎng)絡(luò)運(yùn)行, 輸入信號u(t)通過固定矩陣Win向儲層提供刺激, 此時節(jié)點(diǎn)電壓矩陣x(t)隨網(wǎng)絡(luò)容值與時間變化,x(t)被定義為

其中,f為節(jié)點(diǎn)傳遞函數(shù).輸出y(t)為

其中,Wout為固定輸出矩陣, 匹配矩陣維數(shù).

每次運(yùn)算后將儲層狀態(tài)x(t)記錄, 用記錄的x(t)與y(t)對Wout用梯度下降法進(jìn)行訓(xùn)練, 輸出層訓(xùn)練完成后, 總訓(xùn)練過程結(jié)束.之后該網(wǎng)絡(luò)即可用于預(yù)測信號或模擬信號.

5 總結(jié)與展望

憶容器作為新型非線性無源器件, 其容值與輸入電壓/電荷的歷史相關(guān), 是與憶阻器等共同構(gòu)建超低能耗神經(jīng)網(wǎng)絡(luò)的理想器件.自2009 年憶容被提出, 國內(nèi)外研究者們在提升實(shí)物憶容器的綜合性能、構(gòu)建低耗能憶容神經(jīng)形態(tài)計算網(wǎng)絡(luò)等方面取得了較大的突破, 但由于發(fā)展時間較短, 實(shí)物憶容器的綜合性能與實(shí)際應(yīng)用要求的憶容器性能相比存在一定的距離, 因此, 還需要在憶容機(jī)理、憶容材料、憶容綜合應(yīng)用電路設(shè)計等方向繼續(xù)探索.

對于基于整體等效介電常數(shù)變化的憶容器而言, 器件尺寸的縮減會伴隨著器件漏電流增大、擊穿電壓降低的現(xiàn)象; 當(dāng)憶容介質(zhì)層的厚度減小到一定程度時會導(dǎo)致器件電導(dǎo)激增, 電容值下降.在大規(guī)模集成方面, 這是憶容器與憶阻器、CMOS 晶體管等器件相比的不足之處, 這將影響憶容器的實(shí)際應(yīng)用.如何獲得同時具有微納尺寸與高絕緣性的憶容器仍然是未來研究的難點(diǎn)與重點(diǎn)之一.

另外, 理論上, 相比基于憶阻的神經(jīng)形態(tài)計算,基于憶容的神經(jīng)形態(tài)計算在神經(jīng)元接收與發(fā)射信號上消耗的能量更少, 但檢測信號所需外圍電路的能量開銷及對檢測器件的精度要求難以估計.結(jié)合憶阻器與憶容器等器件自身的特點(diǎn), 最大程度的利用憶阻器、憶容器、晶體管等器件的優(yōu)勢組合設(shè)計神經(jīng)形態(tài)計算電路是未來的必然趨勢.

理論方面, 相較于CMOS 晶體管、憶阻器等元器件, 目前對憶容的容變機(jī)理還沒有成體系的解釋, 無法通過理論模擬定量預(yù)測、仿真憶容現(xiàn)象,建立更多切合實(shí)際的憶容實(shí)物器件模型; 而CMOS晶體管、憶阻器等器件的工作機(jī)理相對明確, 有較為成熟的實(shí)物器件模型及較為清晰的技術(shù)發(fā)展路線.未來需要對憶容機(jī)理進(jìn)一步探索, 為實(shí)物憶容器件制造與性能提升奠定理論基礎(chǔ).此外, 拓展新型非壓控/荷控憶容器件比如光控、聲控、溫控憶容等, 也將極大促進(jìn)憶容器應(yīng)用的發(fā)展.