多阻态铁电HLO忆阻器及其在联想学习电路和人脸识别中的实现

随着摩尔定律接近物理极限,传统的冯诺依曼架构面临挑战.忆阻器在多层存储、神经形态系统和模拟电路中的应用具有克服冯诺依曼架构瓶颈的潜力.在这里,我们在硅衬底上生长了Pd/La:HfO_(2)(HLO)/La2/3Sr1/3MnO_(3)高性能忆阻器,其有利于与互补式氧化物半导体工艺兼容.该忆阻器器件表现出良好的循环稳定性和多级电阻状态存储能力以及器件的突触特性,如长时增强/抑制、短时记忆到长时记忆、尖峰时间依赖性可塑性和双脉冲促进.基于器件的类脑突触行为,在神经启发计算中识别人脸图像时,识别率高达91.11%.通过理论计算和硬件联想学习电路测试,基于铪基铁电忆阻器的生物联想学习行为得以实现.

利用界面工程来调控铁电隧道忆阻器的生物突触行为

界面工程一直是调节铁电隧道结忆阻器(FTM)行为的重要途径,且直接影响其生物突触特性.为了研究界面对人工突触性能的影响,本工作中,我们研究了具有Pt/BaTiO_(3)/La_(0.67)Sr_(0.33)MnO_(3)结构的忆阻器.其中可以通过控制SrTiO_(3)(STO)衬底的终止层和BaTiO_(3)(BTO)薄膜层状生长模式来控制忆阻器器件的界面.由于BTO薄膜相反的铁电极化方向以及与之对应的不同的能带结构,具有不同界面的FTM呈现出相反的电阻开关行为.更重要的是,FTM的突触学习特性也可以通过控制界面来调整.具有不同接口终端的FTM可以调节长时程增强、长时程抑制、尖峰时间依赖性可塑性和配对脉冲促进的不同特性.基于这两种接口工程FTM的突触行为,可以构建人工神经网络系统来完成手写数字图像识别过程,两者的准确率都接近90%.我们的结果为通过纳米级界面工程调整忆阻器的功能提供了有用的参考.