忆阻元件与RLC以及二极管串并联电路的特性研究

对第四类基本电路元件:忆阻元件与RLC以及二极管串并联电路特性进行了研究,分别建立了两种电路的数学模型,并进行了仿真研究,分析了电路中的电容、电感、电阻等参数对电路特性的影响,得出了相关的结论.     

忆阻电路的基本性质及其应用

对有边界的忆阻元件与电容、 电感的串、 并联电路分别进行了研究, 分析了电路所具有的特性和频率及元件的电容、 电感对电路的影响, 通过仿真验证了理论结果.根据有边界的忆阻元件及其构成电路的性质研究, 对其潜在的应用进行了预测.     

忆阻器及其阻变机理研究进展

忆阻器是除电阻、电容、电感之外的第四种电路元件,在信息存储、逻辑运算和神经网络等研究领域具有重要的应用前景.本文综述了忆阻器以及忆阻器材料的研究进展,主要介绍了忆阻器的内涵与特征、阻变机理、材料类型以及应用前景,指出了目前忆阻器研究中需要关注的主要问题,并对以后的发展趋势进行了展望.     

忆阻逾渗导电模型中的初态影响

逾渗网格模型是当前忆阻器件机理分析研究领域的热点之一, 但现有模型缺乏对初态设定的讨论. 本文对逾渗网格模型进行了简化, 并基于此, 通过电压激励步进的方式, 研究了不同初态对单极性忆阻开关元件中逾渗导电通道形成的影响, 分析了形成通道的动态过程以及相应的物理意义, 验证了忆阻开关元件高低阻态的阻值实际表现为高斯分布而非理想双值稳态; 而不同初态条件下, 忆阻开关元件导电通道的形状存在着不同的"树形"结构, 进而影响着其阻值的分布. 研究成果有助于进一步揭示忆阻器尚未明确的导电机理, 为今后对具体不同类型的忆阻元件的初态分析提供指导性作用. 关键词： 忆阻器 开关元件 逾渗模型 初态分析     

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 analys...     

界面效应调制忆阻器研究进展

忆阻器因其优异的非易失存储特性,且具有结构简单、存储速度快、能耗低、集成度高等优势,在新型电子器件研究领域引起了广泛关注.本文从忆阻器结构出发,对忆阻器主要材料、机理等进行了综述,介绍了忆阻器在电子电路及人工智能等领域的研究进展,重点讨论了界面效应对忆阻行为及性能改善等方面的重要作用,提出了界面纳米点嵌入结构对优化忆阻性能的显著效果,并分析了忆阻器可能的发展趋势.     

忆阻器:一种具有革命性意义的技术

综述了忆阻器的发明,忆阻器是2 500年前古中国神秘主义哲学家给出的一个设想,其发明可媲美门捷列夫化学元素周期表、发现太阳系行星、发现"上帝粒子"、发现宇宙超对称、捕捉到黑能量。忆阻器被称为电路世界中的第四种基本电路元件,将对未来计算和电子工程等领域产生深远的影响。     

具有感觉记忆的忆阻器模型

人类记忆的形成包括感觉记忆、短期记忆、长期记忆三个阶段,类似的记忆形成过程在不同材料忆阻器的实验研究中有过多次报道.这类忆阻器的记忆形成过程存在有、无感觉记忆的两种情况,已报道的这类忆阻器的数学模型仅能够描述无感觉记忆的忆阻器.本文在已有模型的基础上,根据有感觉记忆的忆阻器的研究文献中所报道的实验现象,设计了具有感觉记忆的忆阻器模型.对所设计模型的仿真分析验证了该模型对于存在感觉记忆的这类忆阻器特性的描述能力:对忆阻器施加连续脉冲激励,在初始若干脉冲作用时忆阻器无明显的记忆形成,此时忆阻器处于感觉记忆阶段,后续的脉冲作用下忆阻器将逐渐形成短期、长期记忆,并且所施加脉冲的幅值越大、宽度越大、间隔越小,则感觉记忆阶段所经历的脉冲数量越少.模型状态变量的物理意义可用连通两电极的导电通道在外加电压作用下的形成与消失来给出解释.     

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.     

蛋白质基忆阻器研究进展

忆阻器作为一种可实现高密度、多功能、低功耗、多级数据存储的新型电子元器件,为电路结构设计、信息存储理论及突触仿生模拟等领域带来了重大变革.在广泛的忆阻器种类中,蛋白质基忆阻器由于具有结构可控降解、原料丰富低廉、生物兼容等优势,在可植入计算、人机交互、人机结合等前沿信息技术领域有着其他材料基忆阻器无可比拟的天然优势,因此被视为是构建下一代高科技信息电子产品最具潜力的候选者.本文归纳了近期蛋白质基忆阻器的研究进展,首先总结了部分蛋白质的研究进展,包含被广泛研究的鸡蛋白蛋白及性能优越的人工重组蛋白等,然后进一步介绍了蚕丝蛋白基忆阻器的研究历程,详细介绍了功能化策略所带给蚕丝蛋白基介观忆阻器的性能提升,并分析了功能化蚕丝蛋白结构与性能之间的构效关系.最后对蛋白质基忆阻器性能进行了综合分析,并展望了该生物电子器件的未来发展契机.     

An improved memristor model for brain-inspired computing

Memristors, as memristive devices, have received a great deal of interest since being fabricated by HP labs. The forgetting effect that has significant influences on memristors' performance has to be taken into account when they are employed. It is significant to build a good model that can express the forgetting effect well for application researches due to its promising prospects in brain-inspired computing. Some models are proposed to represent the forgetting effect but do not work well. In this paper, we present a novel window function, which has good performance in a drift model. We analyze the deficiencies of the previous drift diffusion models for the forgetting effect and propose an improved model. Moreover,the improved model is exploited as a synapse model in spiking neural networks to recognize digit images. Simulation results show that the improved model overcomes the defects of the previous models and can be used as a synapse model in brain-inspired computing due to its synaptic characteristics. The results also indicate that the improved model can express the forgetting effect better when it is employed in spiking neural networks, which means that more appropriate evaluations can be obtained in applications.     

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.     

Implementation of an analogue model of a memristor based on a light-dependent resistor

In this paper,an analogue model of a memristor using a light-dependent resistor(LDR) is presented.This model can be simplified into two parts:a control circuit and a variable resistor.It can be used to easily verify theoretical presumptions about the switching properties of memristors.This LDR-based memristor model can also be used in both simulations and experiments for future research into memristor applications.The paper includes mathematical models,simulations,and experimental results.     

The border model in one dimension

The magnetic susceptibility is studied by the methods of series analysis for the one-dimensional border model (a special case of the continuous-spin Ising model). The structure of this model is analyzed and two conjugate pairs of singularities are found near the real (physical) temperature axis. All the numerical results are consistent with the previously known rigorous results, but do not add to the knowledge of the critical properties.     

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.