忆阻器建模及其在类脑计算中的应用.pdfVIP

CHUANGXINTANSUO2025年第1期/计算机产品与流通

创新探索CHUANGXINTANSUO

忆阻器建模及其在类脑计算中的应用

■王玉戚银城

本文聚焦忆阻器（memristor）动态特性建模网络中的建模方法已成为推动其在类脑计算中广

方法及其在神经形态计算中的应用。忆阻器具备类泛应用的关键步骤，并且其在进一步优化神经网

突触的长短时记忆特性，能够有效满足神经形态系络性能、提高计算效率和降低功耗方面具有广泛

统的构建需求，展现显著的应用优势。基于这一特的应用前景。

性，本文利用“DNN+NeuroSim”这一先进仿真框架，二、研究背景

通过其内置的忆阻器数学模型，分析了在不同脉冲近年来，微电子技术的迅猛发展以及对高性能

条件下的长时程增强（LTP）与长时程抑制（LTD）电子元件的需求促使研究者对新材料和器件进行深

行为，并探讨了该模型在神经网络中的潜在应用。入探索。忆阻器的概念最早由LeonO.Chua于1971

本文对短时程可塑性（STP）进行了建模分析，探年提出，作为第四类基本电路元件，与电阻器、电

究其在储层计算中处理动态任务的能力。结果表明，容器和电感器并列。忆阻器的核心特点在于其电导

忆阻器能够有效模拟突触行为，并在静态与动态任值可通过施加的电压或电流进行调节，这一特性赋

务中展现优异的处理性能。忆阻器的特性为类脑计予其在信息存储和处理上的高度灵活性。忆阻器与

算提供了新的应用前景，并推动了神经网络性能优神经系统中的突触在传输特性上存在相似性，单个

化的进展。忆阻器能够有效模拟突触的基本功能。相比传统的

一、引言CMOS结构，忆阻器不仅能耗更低，还能降低集成

随着信息爆炸时代的到来，计算机在信息捕电路的复杂性。因此，忆阻器的应用已成为优化神

获、编码及处理能力方面面临前所未有的挑战。经形态系统性能的关键因素。

未来，计算机的发展目标是模仿人脑在学习、记忆阻器的神经突触仿生特性促进了新型信息技

忆和灵活处理信息方面的能力。人类大脑凭借其术的诞生，这些技术不仅依赖复杂的算法和编程，

超低功耗和高度并行的计算能力，在复杂任务处还通过新型材料和高性能设备提升了人机交互的效

理上显著优于传统的冯·诺依曼架构。受到这一启率。在电子感受器的支持下，忆阻器的应用可扩展

发，神经形态计算通过构建类脑神经元和突触的网至人工神经系统，将外界刺激有效传递至神经网络

络结构，高效执行诸如感知、推理等复杂认知任务，内部。忆阻器具备的高速3D存储能力进一步推动

展现出优异的处理性能。在此背景下，忆阻器作为了集成电路领域的发展，并为人工智能的研发提供

一种新兴的电阻式随机存取存储器（ReRAM），凭了可行的路径，推动智能系统向更高效、更实用的

借其独特的动态特性和显著的非易失性记忆功能，方向发展。

成为类脑计算领域的核心器件。忆阻器不仅具备高三、研究方法

度的可集成性，即在微小空间内实现大量存储和计忆阻器作为神经突触的核心器件，主要用于

算单元的集成，还能够有效突破摩尔定律的限制，构建类脑计算