忆阻器及其存算一体应用研究进展

江之行，席悦，唐建石*，高滨，钱鹤，吴华强*

清华大学集成电路学院，集成电路高精尖创新中心，北京100084

摘要 深度学习的飞速发展带来了巨大的算力需求，然而基于存算分离的“冯·诺依曼架构”的传统硅基芯片面临着“存储墙”等问题，芯片算力增长逐渐陷入瓶颈。为了解决这个矛盾，研究人员从生物大脑的工作模式得到启发，提出了基于忆阻器的存算一体架构。这种全新的架构在处理神经网络等任务时在能效和速度上较“冯·诺依曼架构”有望实现几个数量级的提升，是实现超低功耗、超高算力计算芯片的最有潜力的技术路线之一。本文综述了各种类型忆阻器的工作机理与最新进展，对比了国内外研究团队的器件研究进展；综述了基于忆阻器的存算一体芯片在神经网络、信号处理和机器学习等方向的应用演示的研究进展；总结了基于忆阻器的存算一体芯片目前面临的挑战，并提出中国在该领域进一步发展的建议。

关键词 忆阻器；类脑计算；存算一体；神经网络；信号处理

（责任编辑  王志敏）

http://www.kjdb.org/CN/10.3981/j.issn.1000-7857.2024.02.004