通过使用TiN电极以及器件规模优化，提高了基于氧化钇的忆阻器的性能，使其在神经形态计算和模式识别应用中更具优势

《IEEE Transactions on Materials for Electron Devices》：Improved Performance of Yttrium Oxide-Based Memristor Through TiN Electrodes and Device Scaling for Neuromorphic and Pattern Recognition

氧化物基忆阻器采用CMOS兼容工艺制造，通过TiN电极和器件缩放提升性能，实现超5万次循环耐久性、10^6秒保持时间和10^4 ON/OFF比，稳定开关电压系数（C2C:4.95%, D2D:11.39%），并成功模拟突触可塑性（PPF/PPD）和完成MNIST数据集88.2%识别准确率，为微型人工突触和神经形态计算提供新方案。

　　

摘要：

本文介绍了一种与CMOS工艺兼容的制备工艺，以及对尺寸为100 μm2的氧化钇（Y2O3）基忆阻器件的深入材料分析和电气特性研究。通过采用TiN电极并实现器件缩放，这些制备出的器件性能得到了提升，能够高效模拟多种低功耗的神经形态学和模式识别任务。所制备的忆阻器件表现出稳定的双极电阻切换行为，耐久性超过50,000次循环，保持时间超过10^6秒，并且具有极高的开/关比（10^4）。此外，这些器件在循环间（C2C）和器件间（D2D）切换电压方面表现出显著的稳定性，C2C和D2C下的电压变化系数（CV）分别为4.95%和11.39%。这些器件还能通过模拟增强作用、抑制作用、配对脉冲促进（PPF）和配对脉冲抑制（PPD）等机制来高效模拟突触响应，并且其导电性能够随着脉冲宽度的变化而调节，与生物突触类似。进一步地，这些器件在 handwritten MNIST数据集上的模式识别任务中实现了88.2%的准确率。因此，这项工作为微型化人工突触和神经形态计算领域开辟了新的前景，使其能够执行各种操作。

引言

基于氧化物的忆阻器件是纳米电子学中备受关注的非易失性存储候选材料[1],[2]，因为它们具有出色的存储特性：极高的耐久性（10^8至10^10次循环）[3]和保持时间（约10年）[4]、循环稳定性[5]、快速切换速度（约10纳秒）[6]、低功耗/能耗（约20皮瓦/50飞焦耳）[2]、通过3D架构和器件缩放提高存储密度[7]，以及与互补金属氧化物半导体（CMOS）制造工艺的良好兼容性[8]。这些器件还能够模仿生物神经元和突触的各种功能[2],[9]，从而有助于构建人工大脑[2],[9]。忆阻器件能够像真实的生物系统一样展现出动态行为，驱动其变化的动力学和能量因素在生物系统中也有相应的对应物[10],[11]。忆阻器件在外部电刺激的作用下可以存储、计算和处理数据[12]。