报告题目：基于忆阻器的神经形态器件与系统研究

报 告 人：刘昌 助理研究员，北京大学

研究方向：神经形态器件工艺及其在类脑计算中的应用

报告时间：2024年1月13日（星期六）下午16:00

报告地点：量子楼410报告厅

报告摘要：

随着科技的不断发展和进步，计算系统也在不断演变。传统的冯诺依曼架构虽然在过去几十年中发挥了重要的作用，但随着数据量的爆炸式增长和计算复杂度的提升，它已经出现了一些局限性。为了应对这些挑战，神经形态计算系统成为了一个备受关注的方向。忆阻器作为一种具有简单结构、低功耗和高速度的器件，以及在高密度集成方面具备潜力，已经成为研究人工神经形态计算系统硬件实现的最佳选择之一。然而，在利用忆阻器构建人工神经形态计算系统时，仍然存在许多问题和挑战需要解决。在器件层面上，忆阻器存在着涨落的问题，这种涨落会影响到计算单元层面的人工神经元的一致性。为了解决这个问题，研究人员正在通过改进器件工艺和引入校正电路等方法来降低涨落的影响。此外，在设计忆阻器阵列时，也需要考虑到阵列的均匀性和稳定性，以提高计算单元的一致性。另外，现有基于忆阻器的人工神经元功能较为简单，计算能力相对较弱。为了增强其计算能力，需要研发更加复杂的神经元模型，并引入多种激励函数和非线性变换函数，以丰富神经元的动力学特性。在系统层面上，目前还没有利用忆阻器构建无线物联网相关的系统文章，然而，基于忆阻器构建的变频器可以实现原位频率累加，具有与基于CMOS构建的变频器相应的性能，通过优化忆阻器的性能，有望实现下一代基于忆阻器的无线物联网系统。

报告人简介：

刘昌，博士毕业于金宝搏官方188，北京大学集成电路学院杨玉超教授（杰青）/黄如院士科研组的博士后，助理研究员，主要从事神经形态器件工艺及其在类脑计算中的应用方向的研究，与国内中芯国际企业一起探究忆阻器阵列的制备，并构建在12寸的晶圆上。在Nature communications、Advanced Electronic Materials等期刊上发表多篇科研论文。