具有经验学习特性的忆阻器模型分析

类似人类记忆的短期、长期记忆现象在不同材料忆阻器的实验研究中有过多次报道.在多篇这类忆阻器的研究文献中还报道了经验学习特性:"学习-遗忘-再学习"实验中,短期记忆遗忘后再次学习,记忆恢复的速度明显比初次学习的记忆形成速度更快.本文对这类忆阻器已有数学模型在"学习-遗忘-再学习"实验中的特性给出进一步分析.仅考虑短期、长期记忆现象的忆阻模型在该实验中表现为较快速再次学习特性,再次学习的记忆恢复速度较快主要是由于脉冲间隔期间的遗忘速度比初次学习时更慢.考虑经验学习特性的忆阻模型在再学习阶段的记忆恢复速度更快主要是因为脉冲作用时的记忆增速更快,同时仍然存在脉冲间隔期间的遗忘速度减慢.与经验学习特性相关的状态变量的物理意义可利用连通两电极的导电通道的周围区域在不同外加电压作用下的变化来给出解释.     

一种改进的WOx忆阻器模型及其突触特性分析

忆阻器被定义为第四种基本电子元器件, 其模型的研究呈现多样性. 目前, 忆阻器模型与忆阻器实际特性的切合程度引起了研究者的广泛关注. 通过改变离子扩散项, 提出了一种新的WO_x忆阻器模型, 更好地匹配了忆阻器的实际行为特性. 首先, 新的模型不仅能够描述忆阻器的一般特性, 而且能够俘获记忆丢失行为. 另外, 将新的忆阻器作为神经突触, 分析了脉冲速率依赖可塑性、短期可塑性、长期可塑性, 并发现了与生物系统中极为相似的“经验学习”现象. 最后, 考虑到温度与离子扩散系数的关系, 探讨了温度对突触权值弛豫过程的影响. 实验表明, 新忆阻器模型比原来的模型更切合实际, 且更适合作为突触而应用到神经形态系统之中.     

具有突触特性忆阻模型的改进与模型经验学习特性机理

许多忆阻器都具有与生物神经突触功能相似的特性,这些特性包括记忆与遗忘特性、经验学习特性等.文献[17]根据记忆与遗忘特性建立了这类忆阻器的模型,文献[19,20]在对该模型的仿真研究中发现该模型也具有描述经验学习特性的能力.在关于这一模型已有研究的基础上,本文对该模型状态方程的特性与机理给出进一步的分析.分析中发现原模型的窗口函数的设计和使用存在问题,并且原模型建模时对于实验现象的解读不够准确.针对这些问题对原模型的状态方程进行了改进,完善了模型功能.对于该模型能够描述经验学习特性的机理,分别利用对于模型的状态方程的分析以及周期脉冲信号作用下的状态方程解析分析,对该机理给出定性和定量的讨论.利用机理分析所得的相关结论,设计了基于经验学习实验的模型状态方程中的参数和函数的估计方法,方便了该模型在这一类忆阻器的实验研究中的应用.     

忆阻器、忆容器和忆感器的Simulink建模及其特性分析

忆阻器、忆容器和忆感器均是具有记忆特性的新型非线性电路元件,也被称为记忆元件.以三种电路元件的通用数学模型为依据,从数学分析的角度,对忆阻器、忆容器和忆感器的Simulink模型进行了建立.在Simulink模型中体现了记忆元件对历史状态和系统状态变量的依赖性,正确表现出其独特的记忆特性.通过一系列仿真分析,得到了忆阻器、忆容器和忆感器的元件特性,验证了模型的有效性.此外,通过对三者在不同参数、不同激励下的电路特性分析,得到了三种记忆元件等效模型随频率和幅值变化的规律,为以后忆阻器、忆容器和忆感器基于Simulink的仿真研究和应用研究奠定基础.     

一个分数阶忆阻器模型及其简单串联电路的特性

忆阻器是具有时间记忆特性的非线性电阻. 经典HP TiO₂忆阻器模型的忆阻值为此前通过忆阻器电流的时间积分, 即记忆没有损失. 而最近研究证实HP TiO₂ 线性忆阻器掺杂层厚度不能等于零或者器件整体厚度, 导致器件的记忆有损失. 基于此发现, 本文首先提出了一个阶数介于0 与1间的分数阶HP TiO₂ 线性忆阻器模型, 研究了当受到周期外激励时, 分数阶导数的阶数对其忆阻值动态范围和输出电压动态幅值的影响规律, 推导出了磁滞旁瓣面积的计算公式. 结果表明, 分数阶导数阶数对磁滞回线的形状及所围成区域面积有重要影响. 特别地, 在外激频率大于1时, 分数阶忆阻器的记忆强度达到最大. 然后讨论了此分数阶忆阻器与电容或电感串联组成的单口网络的伏安特性. 结果表明, 在周期激励驱动时, 随着分数阶导数阶数的变化, 此分数阶忆阻器与电容的串联电路呈现出纯电容电路与忆阻电路的转换, 而它与电感的串联电路则呈现出纯电感电路与忆阻电路的转换.     

一个通用的记忆器件模拟器

本文根据惠普忆阻器模型提出了一个新的接地忆阻器模拟等效电路.并以此为基础,采用常规的电子元件构建了一个通用的记忆器件模拟器.该模拟器能在电路拓扑结构不变的情况下,通过改变接入元件的性质能将接地忆阻器分别转化为浮地忆阻器、浮地忆感器和浮地忆容器.由于该模拟器是浮地的,因而可以方便的与其他电子器件实现灵活的连接形式.Pspice仿真实验验证了模拟器的真确性和有效性.     

一种适用于大规模忆阻网络的忆阻器单元解析建模策略

忆阻网络是一种基于忆阻器单元的大规模非线性电路,在下一代人工智能、生物电子、高性能存储器等新兴研究领域发挥着重要作用.描述忆阻器单元物理和电学特性的模型对忆阻网络的性能仿真具有显著影响.然而,现有模型主要为非解析模型,应用于忆阻网络分析时可能存在收敛性问题.因此,提出了一种基于同伦分析法(homotopy analysis method, HAM)的忆阻器单元解析建模策略,该策略具有解析性和收敛性优化的特点,可提高忆阻器单元和相应忆阻网络的收敛性.此外,还提出了一种面向忆阻器单元模型的验证准则,以验证模型在大规模忆阻网络中的适用性.通过忆阻器单元和忆阻矩阵网络的长时演化实验以及与传统非解析(数值)方法的比较,验证了所提策略的解析性和收敛性优势;利用不同类型忆阻器单元和输入的实验,验证了该策略的扩展性.进一步地,基于上述实验,揭示了忆阻网络仿真出现收敛性问题的潜在原因.该策略可应用于基于忆阻网络的新兴研究.     

荷控忆阻器等效电路分析模型及其电路特性研究

忆阻器是物理上新实现的具有记忆特性的基本二端电路元件. 根据φ-q关系式的泰勒级数形式构建了荷控忆阻器等效电路分析模型, 以三次非线性荷控忆阻器模型为例, 对不同参数条件下的荷控忆阻器进行了伏安关系、有无源性等电路特性的理论分析. 结果表明: 荷控忆阻器的伏安关系具有斜体“8”字形紧磁滞回线特性, 随其参数符号的不同, 荷控忆阻器呈现出无源性和有源性, 导致其电路特性发生相应的变化; 相比无源荷控忆阻器, 有源荷控忆阻器更适用于作为二次谐波信号产生电路使用. 制作了荷控忆阻器特性分析等效电路的实验电路, 实验测量结果很好地验证了理论分析结果. 关键词： 荷控忆阻器 等效电路 伏安关系 电路特性     

基于Knowm忆阻器的新型忆感器模型的设计与分析

以往有关忆阻器模型及其应用研究主要集中于忆阻器基本概念构建并分析忆阻器模型及其等效电路模型,而基于市场上商用忆阻器件的研究则很少.本文根据忆感器与忆阻器之间的理论关系,基于全球首款商用忆阻器芯片:Knowm忆阻器,结合第二代电流传输器和跨导运算放大器,构建了一种新型忆感器模型.通过调节输入信号的频率和幅值以及运算跨导放大器的跨导增益,可有效地在电路中实现忆感器忆感值的连续调节.设计了新型忆感器的LTspice电路模型和硬件实验电路,以电路仿真结果和硬件电路实验结果验证了新型忆感器模型的有效性和设计方法的正确性.     

基于二维材料MXene的仿神经突触忆阻器的制备和长/短时程突触可塑性的实现

兼具长时程可塑性与短时程可塑性的电子突触被认为是类脑计算系统的重要基础.将一种新型二维材料MXene应用到忆阻器中,制备了基于Cu/MXene/SiO_2/W的仿神经突触忆阻器.结果表明, Cu/MXene/SiO_2/W忆阻器成功实现了稳定的双极性模拟阻态切换,同时成功模拟了生物突触短时程可塑性的双脉冲易化功能和长时程可塑性的长期增强/抑制行为,其中双脉冲易化的易化指数与脉冲间隔时间相关. Cu/MXene/SiO_2/W忆阻器的突触仿生特性,归功于MXene辅助的Cu离子电导丝形成与破灭的类突触响应机理.由于Cu/MXene/SiO_2/W忆阻器兼具长时程可塑性与短时程可塑性,其在突触仿生电子学和类脑智能领域将会具有巨大的应用前景.     

A phenomenological memristor model for short-term/long-term memory

Memristor is considered to be a natural electrical synapse because of its distinct memory property and nanoscale. In recent years, more and more similar behaviors are observed between memristors and biological synapse, e.g., short-term memory (STM) and long-term memory (LTM). The traditional mathematical models are unable to capture the new emerging behaviors. In this article, an updated phenomenological model based on the model of the Hewlett–Packard (HP) Labs has been proposed to capture such new behaviors. The new dynamical memristor model with an improved ion diffusion term can emulate the synapse behavior with forgetting effect, and exhibit the transformation between the STM and the LTM. Further, this model can be used in building new type of neural networks with forgetting ability like biological systems, and it is verified by our experiment with Hopfield neural network.     

SPICE modeling of memristors with multilevel resistance states

With CMOS technologies approaching the scaling ceiling, novel memory technologies have thrived in recent years, among which the memristor is a rather promising candidate for future resistive memory (RRAM). Memristor’s potential to store multiple bits of information as different resistance levels allows its application in multilevel cell (MCL) technology, which can significantly increase the memory capacity. However, most existing memristor models are built for binary or continuous memristance switching. In this paper, we propose the simulation program with integrated circuits emphasis (SPICE) modeling of charge-controlled and flux-controlled memristors with multilevel resistance states based on the memristance versus state map. In our model, the memristance switches abruptly between neighboring resistance states. The proposed model allows users to easily set the number of the resistance levels as parameters, and provides the predictability of resistance switching time if the input current/voltage waveform is given. The functionality of our models has been validated in HSPICE. The models can be used in multilevel RRAM modeling as well as in artificial neural network simulations.     

The design and simulation of a titanium oxide memristor-based programmable analog filter in a simulation program with integrated circuit emphasis

In many communication and signal routing applications, it is desirable to have a programmable analog filter. According to this practical demand, we consider the titanium oxide memristor, which is a kind of nano-scale electron device with low power dissipation and nonvolatile memory. Such characteristics could be suitable for designing the desired filter. However, both the non-analytical relation between the memristance and the charges that pass through it, and the changeable V-I characteristics in physical tests make it difficult to accurately set the memristance to the target value. In this paper, the conductive mechanism of the memristor is analyzed, a method of continuously programming the memristance is proposed and simulated in a simulation program with integrated circuit emphasis, and its feasibility and compatibility, both in simu- lations and physical realizations, are demonstrated. This method is then utilized in a first-order active filter as an example to show its applications in programmable filters. This work also provides a practical tool for utilizing memristors as resistance programmable devices.     

基于串并联磁控忆阻器的耦合行为研究

忆阻器是纳米级器件, 其功耗低, 集成度高, 有着巨大的应用潜能. 单个器件具有丰富的电学性质, 其串并联电路更展现了丰富的动力学行为. 然而, 忆阻器在高密度集成的环境下, 其耦合效应不可忽视. 因此, 本文首先基于磁控忆阻器推导了耦合忆阻器的数学模型. 其次, 在考虑不同极性连接和耦合强度的前提下, 讨论两个磁控忆阻器串并联的耦合情况, 进行了详细的理论分析, 并通过数值仿真探索了耦合效应对忆阻系统的影响. 同时, 设计了基于Matlab的图形用户界面, 直观地展示了不同参数下的耦合特性曲线. 进一步, 本文展示了有无耦合情况下, 初始阻值对忆阻器正常工作范围的影响. 最后, 构建耦合忆阻器的Pspice仿真器, 从电路的角度再次验证了忆阻器间的耦合效应. 实验结果表明: 同极性耦合增强了阻值的改变, 相反极性的耦合减缓了阻值的改变. 这些动力学特性可以很好地应用于忆阻网络中, 也为全面考虑忆阻系统电路的设计提供了强大的理论基础.     

基于Au/TiO_2/FTO结构忆阻器的开关特性与机理研究

采用简单的一步水热法在FTO导电玻璃上外延生长了锐钛矿TiO_2纳米线,制备了具有Au/TiO_2/FTO器件结构的锐钛矿TiO_2纳米线忆阻器,系统研究了器件的阻变开关特性和开关机理.结果表明,Au/TiO_2/FTO忆阻器具有非易失的双极性阻变开关特性.同时,在103s的时间内,器件在0.1 V的电阻开关比始终保持在20以上,表明器件具有良好的非易失性.此外,器件在低阻态时遵循欧姆导电特性,而在高阻态时则满足陷阱控制的空间电荷限制电流传导机制,同时提出了基于氧空位导电细丝形成与断开机制的阻变开关模型.研究结果表明Au/TiO_2/FTO忆阻器将是一种很有发展潜力的下一代非易失性存储器.     

基于磁电耦合效应的基本电路元件和非易失性存储器

磁电耦合效应是指磁场控制电极化或者电场控制磁性的物理现象,它们为开发新型电子器件提供了额外的物理状态自由度,具有巨大的应用潜力.磁电耦合系数作为磁电耦合材料的重要参量,体现了材料磁化和电极化的耦合性能,其随外加物理场的变化可以表现出非线性回滞行为,具备作为非易失存储的物理状态特征.本文讨论了基于磁电耦合效应如何建立起电荷-磁通之间的直接关联,继而实现了第四种基本电路元件并构建了完整的电路元件关系图.在此基础上,研究了多铁性异质结中的非线性磁电耦合效应,并利用其独特的电荷-磁通关联特性,开发了基于磁电耦合系数的电写-磁读型非易失性信息存储、逻辑计算与类神经突触记忆等一系列新型信息功能器件.     

The conductive mechanisms of a titanium oxide memristor with dopant drift and a tunnel barrier

Nano-scale titanium oxide memristors exhibit complex conductive characteristics, which have already been proved by existing research. One possible reason for this is that more than one mechanism exists, and together they codetermine the conductive behaviors of the memristor. In this paper, we first analyze the theoretical base and conductive process of a memristor, and then propose a compatible circuit model to discuss and simulate the coexistence of the dopant drift and tunnel barrier-based mechanisms. Simulation results are given and compared with the published experimental data to prove the possibility of the coexistence. This work provides a practical model and some suggestions for studying the conductive mechanisms of memristors.