神经形态忆阻器

新一代信息技术

传统计算机采用分立的处理器和存储器，所有计算数据都要通过总线进行搬运，造成了存储墙、功耗墙等突出问题。基于忆阻器的神经形态器件能够在物理层面模拟生物突触、神经元信息处理功能，从而实现局域的存算融合，从根本上解决冯诺依曼瓶颈，带来巨大的性能和能效提升。

可应用于人工智能、物联网、自动驾驶等高技术领域，支撑实现智能计算，并带来性能和能效的大幅提升。

项目处于研发阶段，并在支撑神经形态器件的微观机理、忆阻神经形态器件与性能调控、规模化集成与神经网络等方面取得系列阶段性成果，包括研制了单脉冲能耗与生物突触相当的超低能耗人工突触，构建了具有高容错能力的模糊忆阻神经网络，集成了单元尺寸小于100纳米的高密度神经形态器件阵列等，成果发表在Nature Electronics、Nature Communications、Advanced Materials等权威期刊上，部分成果被选为封面文章、入选杂志年度论文或被nanotechweb.org等网站重点报道。