(资料图片仅供参考)
研究示意图
图片来源：物理学家组织网
研究团队指出，与冯·诺依曼架构的数字计算不同，受生物系统启发的神经形态计算能像大脑一样工作。人脑突触连接着1000亿个发送和接收化学信息的神经元，突触在同一位置存储和处理信息，这为人脑处理信息节省了时间和精力。而传统计算中，计算和存储是分开的。神经形态计算的优点包括低能耗、高并行性和出色的容错能力。毕竟，人脑的运行功率只有20瓦，但学习效率极高，这些优势使其非常适合学习、识别和决策等高级计算任务。
现有神经形态计算依赖忆阻器等新兴设备。忆阻器与目前的电阻器不同，它旨在复制突触的结构和功能，同时具有编程和记忆能力。现有的忆阻器包括细丝系统，但这一系统容易过热，缺乏稳定性和可靠性。
鉴于此，研究团队另辟蹊径，研究出了一种名为“接口型忆阻器”的新结构，这种新器件结构简单、可靠且性能极高。他们使用人工神经网络模拟来测试接口型忆阻器的计算性能，结果表明，该器件具有良好的一致性、可编程性和可靠性，识别准确率达到94.72%。
此外，接口型忆阻器可以缩小到纳米尺寸，即使是目前的细丝忆阻器技术也无法实现这一点。尤其是与基于晶体管的神经形态芯片相比，新型接口型忆阻器所需的功率要少得多，而晶体管受摩尔定律限制，很难继续小型化。诸多优势使这些新型接口型忆阻设备可成为下一代神经形态计算的基本硬件。
