用于神经形态计算的低功耗memristor:从材料到应用
Zhipeng Xia1,2, Xiao Sun1,2, Zhenlong Wang1,2
1School of Integrated Circuits, Shandong University, Jinan, 250100, People's Republic of China.
Nano-micro letters
|April 14, 2025
概括
这篇评论探讨了用于神经形态计算的低功耗memristor. 它涵盖了先进的存储,逻辑和模拟计算中的设备结构,材料,数组和应用,强调了未来的挑战.
科学领域:
- 材料科学 材料科学 材料科学
- 电气工程 电气工程
- 计算机科学 计算机科学
背景情况:
- 记忆器是新兴的存储器设备,具有低功耗神经形态计算的巨大潜力.
- 它们的独特特性比传统的计算架构提供了优势.
研究的目的:
- 在神经形态计算的各个方面审查低功耗memristors的应用.
- 讨论设备概念,材料,数组结构和潜在的应用.
主要方法:
- 介绍了memristor设备的概念和结构.
- 讨论功能性材料 (离子传输,相变,磁电阻,铁电).
- 对1T1R和1S1R交叉阵列和边缘计算记忆器芯片的分析.
主要成果:
- 记忆器能够实现先进的多值存储,数字逻辑门和模拟神经形态计算.
- 详细介绍了低功耗memristor的应用,包括它们与边缘计算芯片的集成.
结论:
- 低功耗的memristors对于神经形态计算的进步至关重要.
- 需要进一步的研究来克服挑战,并实现基于memristor的神经形态系统的全部潜力.


