具有可调光电导响应的光电忆阻器，支持混合精度和抗干扰的类脑计算

《IEEE Transactions on Electron Devices》：Optoelectronic Memristors With Tunable Photoconductive Response Supporting Mixed-Precision and Anti-Disturbance Neuromorphic Computing

提出基于HfOx基忆阻器的原子层沉积（ALD）工艺参数调控策略，通过调节氧源比例实现光电响应特性优化。实验表明，氧含量最低的忆阻器具有最快的光响应速度，且在光学激励下展现出多级存储特性。结合互补单元的硬件神经网络架构，系统在Fashion-MNIST数据集上实现了混合精度识别和内部抗扰能力提升，动态隐藏层设计更增强了外部干扰鲁棒性，为高效抗扰类脑计算提供新思路。

　　

摘要：

具有可调特性的光电子忆阻器是构建硬件光子电子神经网络的基本组件。在本文中，提出了一种用于HfOx基忆阻器在原子层沉积（ALD）过程中的工艺参数控制策略。通过调节HfOx层中氧源的量，可以控制ITO/HfOx/TiO2/ITO忆阻器的光电导响应。氧含量最低的光电子忆阻器表现出最快的光电导速度。在各种激光波长和功率密度的光刺激下，与电子刺激相比，其存储能力增强了多级特性（MLCs）。通过使用富氧和贫氧忆阻器构建的硬件神经网络架构，可以实现混合精度识别，并提高Fashion-MNIST数据集中的抗干扰能力。此外，通过动态隐藏层设计，该架构对外部干扰具有很强的鲁棒性。我们的发现可能为基于光电子忆阻器的高效节能和抗干扰神经形态计算提供潜力。

引言

在大数据时代，对信息存储和计算的需求不断增加，这对传统的计算架构提出了严峻挑战，在传统架构中，存储单元和计算单元是分离的[1]、[2]。为了打破冯·诺依曼架构的瓶颈，人们投入了大量精力来构建基于非易失性存储设备的嵌入式计算（IMC）系统，包括电阻式随机存取存储器（RRAM，也称为忆阻器）、相变存储器（PCM）、磁阻式随机存取存储器（MRAM）和铁电式随机存取存储器（FRAM）[3]。其中，忆阻器因材料系统的广泛性、出色的扩展性能、易于制造的工艺以及可行的集成能力而受到广泛关注[4]、[5]。通过增加一个光终端，光电子忆阻器可以在光刺激和电刺激下改变电阻。这种光电子调控模式可以实现非接触式操作，并抑制串扰问题，这可能为克服纯电学忆阻器的局限性提供巨大潜力[6]、[7]。光电子忆阻器正成为高效节能神经形态计算的潜在候选者，特别是在人工视觉系统中[8]。