我们针对忆阻器基类脑系统的构建展开研究，从材料-器件-集成-应用等方面展开。重点开展了忆阻器基神经元器件及电路、忆阻器基神经突触器件的阵列集成及编程方案的优化、基于忆阻器的类脑系统的构建三方面的内容。主要研究内容包括：

① 神经元器件及电路

脉冲神经元电路是类脑系统中进行信息编码、处理的核心单元。具有易失性阈值转变特性的忆阻器在构建紧凑神经元电路上可以提供比CMOS器件更为高效的方案。为面向神经元电路的应用，研发了Mott转变型和离子基阈值转变型两种神经元器件。通过材料组分的优化研究，实现了以NbOx材料为代表的高均一性、高稳定性、高良率的Mott转变型神经元器件，并提出了用于时间编码脉冲神经网络的神经元电路设计方案。此外，开展了Ag阳离子基阈值转变神经元器件的性能优化研究，提出了器件功能层的离子掺杂方案，实现了forming-free、高均一性、高良率的神经元器件。利用离子通道的随机生长过程模拟神经元的随机积分特性，实现了可对突触权重进行原位调节的忆阻器-CMOS混合脉冲神经元电路。

图为基于新型神经元器件的神经元电路及放电特性

② 神经突触器件的阵列集成及编程方案的优化

神经突触器件是类脑系统中数量最多的单元，它在信息存储、处理以及系统学习过程中起着至关重要的作用。面向突触器件的应用，制备了1T1R结构的1Kb忆阻器突触阵列。基于制备的忆阻器突触阵列开展了编程方案的优化研究，实现了突触器件的多值存储和权值的线性对称调节。完成了网络权值在突触阵列上的映射并验证了输入和权值的并行乘加操作。

③ 基于忆阻器的类脑系统

类脑系统的构建是面向实际应用的必经之路。结合NbOx基时间编码神经元电路和RRAM突触阵列构建了256 × 5的硬件脉冲神经网络系统。相比于频率编码脉冲神经网络系统，该系统在人脸识别任务中放电脉冲数目降低72倍、推理速度提升1.5倍、能耗降低53倍、能效提升18倍。相关成果入选2020年12月份的国际电子器件大会（IEDM）。此外，基于混合忆阻器-CMOS神经元和忆阻器突触首次实现了两层全硬件脉冲神经网络系统，并用该网络实现了Hebbian学习。

图为基于忆阻器突触阵列的类脑计算硬件系统

接下来，我们的重点将放在以下几个方面：

① 神经元器件的机理、模型与集成

该工作旨在研究新型神经元器件的转变机理，构建器件物理模型，指导器件工艺的优化，面向大规模神经元器件阵列集成。

② 基于新型神经元器件的脉冲神经元电路的参数优化和系统应用研究

该工作旨在厘清神经元电路的内在和外在影响参数，为神经元器件和电路的优化提供指导性方案。

③ 基于忆阻器本征随机性的贝叶斯卷积神经网络的构建和硬件系统实现

该工作旨在解决传统深度学习在医疗诊断过程中对于不确定问题判断的缺陷。利用器件本征的随机特性，降低传统神经网络对突触器件的精度需求，面向为忆阻器突触阵列的大规模应用。