清华大学团队设计新型拓扑相变忆阻器，用于高性能类脑计算和神经网络剪枝

该工作主要针对现有的神经形态器件性能瓶颈问题，在类脑计算中需要器件具有电导双向连续可调、电导调控精度高（多比特存储）、线性度高、对称性好、速度快、耐擦写特性好、波动性/随机性低等特性。而传统忆阻器的非线性和波动性等非理想因素都会导致电导调控精度变差，增加网络训练或者权重映射的难度，最终导致神经网络的准确率降低。为突破以上技术瓶颈，研究团队提出了利用具有可逆拓扑相变特性的氧化物SrCoOx作为忆阻器的阻变层，其由氧八面体和氧四面体交替堆叠形成的独特晶体结构为实现高一致性模拟阻变提供了有利条件。实验证明，通过调控氧离子沿着晶体中氧空位通道有序迁移，可大幅度提升忆阻器的模拟阻变特性（图2），TPT-RAM器件循环间波动性（~0.9%）和器件间波动性（~4.9%）显著降低，工作电压低至0.8 V，速度可达100 ns以下。密度泛函理论计算和动力学蒙特卡罗仿真进一步证实了SrCoOx晶向相关的器件特性，通过将电学特性、结构表征与多层次器件建模相结合，TPT-RAM为深入研究器件阻变机理提供了一个极好的平台，这在传统基于非晶态氧化物的忆阻器中是难以实现的。该研究结果表明了准确调控氧离子迁移路径对提高忆阻器均匀性的重要意义，有助于指导今后神经形态器件的优化。

图1. 不同氧空位通道取向的拓扑相变忆阻器（TPT-RAM）的设计与器件制备

图2. SrCoOx晶向相关的器件电学特性。

贯通上下电极的氧空位通道使TPT-RAM器件表现出更好的一致性和更快的工作速度

此外，研究团队证明，作为人工突触，TPT-RAM器件表现出一种独特的扩散-非易失双模态工作特性，可用于模拟人脑中神经突触的发育过程，并在网络在线训练中演示神经网络剪枝（图3）。基于TPT-RAM的神经网络仿真表明，器件的双模态特性可帮助减少多达82.5%的冗余突触，并将MNIST（手写数字数据集）识别准确率提高到99%。该工作为设计具有模拟型阻变特性的仿生突触、实现高性能类脑计算指明了一个新的方向。

图3.演示具有生物相似性的神经网络剪枝功能，仿真表明TPT-RAM器件的双模态特性可帮助减少多达82.5%的冗余突触，功耗降低63%

钱鹤、吴华强教授团队长期致力于基于忆阻器的存算一体技术研究，从器件制备、工艺集成、电路设计及架构与算法优化等多层次实现创新突破，先后在《自然》（Nature）、《自然纳米技术》（Nature Nanotechnology ）、《自然电子》（Nature Electronics）、《自然通讯》（Nature Communications）、《科学进展》（Science Advances）、《先进材料》（Advanced Materials）等顶级期刊以及国际电子器件会议（IEDM）、国际固态半导体电路大会（ISSCC）等领域内顶级国际学术会议上发表多篇论文。

清华大学集成电路学院唐建石副教授和清华大学物理系于浦教授是本论文的共同通讯作者，清华大学集成电路学院牟星博士为论文的第一作者。该研究得到了国家自然科学基金委、科技部重点研发计划、北京信息科学与技术国家研究中心、高精尖创新中心“未来芯片学者支持计划”等支持。