用于脉冲神经网络的单晶忆阻薄膜与交叉阵列特性研究

The rapid development of artificial intelligence makes a strong demand for new hardware architectures, in order to replace the traditional Von neumann architecture, and to construct artificial neural networks that reproduce the complete functionality of human brains. A memristor is considered to be an ideal fundamental element for the construction of new type Spiking Neuron Networks due to its STDP learning rule resembling to a synapses. This project investigates the influence of micro structure and memristive properties on the STDP behavior in single crystalline LNO thin films, and studies on the modification method of LNO thin films in micro-scale by using low-energy Ar+ implantation technique. Based upon the implementation of precise control on the conductance of memristors in a wide range, the STDP behavior of memristors will be effectively manipulated. The memristive crossbar will be fabricated based on single crystalline LNO thin films, and the neural network function will be verified through a specific algorithm. The proposed research in this project is significant in the exploration of brain-like artificial intelligence.

随着人工智能领域对功能复杂度需求的迅速提升，需要寻求新的硬件架构，代替传统冯诺依曼计算机架构，构建更接近于生物大脑工作方式的人工神经网络。由于具有类生物突触STDP学习机制的特性，忆阻器被认为是构建人工神经网络的理想元件。本项目以高品质单晶LNO薄膜为研究对象，以低能Ar+离子注入掺杂技术为核心手段，系统研究忆阻薄膜材料微观结构、电学性能对忆阻器STDP特性的内在影响机制，探索忆阻薄膜材料的微观改性技术，掌握对忆阻器电导进行可控、精细、大范围调节的方法，实现对忆阻器STDP特性的有效调控，在此基础上构建基于脉冲神经网络模型的单晶薄膜忆阻阵列，并进行阵列功能的硬件验证，这对探索类脑人工智能的实现方法具有重要的科学意义。

随着人工智能领域对功能复杂度需求的迅速提升，需要寻求新的硬件架构，代替传统冯诺依曼计算机架构，构建更接近于生物大脑工作方式的人工神经网络。由于具有类生物突触STDP学习机制的特性，忆阻器被认为是构建人工神经网络的理想元件。本项目以高品质单晶LNO薄膜为研究对象，以低能Ar+离子注入为核心手段，系统研究了低能Ar+离子注入对忆阻薄膜微观结构影响规律，以及忆阻薄膜微观结构对忆阻特性的影响规律，建立了基于低能Ar+离子注入的忆阻特性调控方法。在基本忆阻特性的基础之上，本项目研究了忆阻器的类突触特性，研制的忆阻器展现出短时程可塑性、长时程可塑性、配对脉冲易化、配对脉冲抑制、STDP特性等类突触特性。在忆阻器类突触特性的基础之上，基于忆阻器实现了对于学习记忆过程的模拟，以及简单字母的分类识别。这对探索类脑人工智能的实现方法具有重要的科学意义。