【IT168 技术】对神经拟态计算的兴趣促使人们去研究一种新的内存设备，以复制/实现生物神经元和突触的特性功能。近日有一篇论文(https://onlinelibrary.wiley.com/doi/10.1002/admt.201800589)回顾了该领域的现状，并讨论了6种在这一领域最有前途的技术。

　　这六类器件包括可变电阻式随机存取存储器(ReRAM)、扩散型忆阻器(Diffusive Memristors)、相变存储器(PCM)、基于自旋电子的磁阻随机存取存储器(MRAM)，铁电场效应晶体管(FeFET)，突触晶体管(Synaptic Transistor)，下面我们逐一进行介绍。

　　ReRAM

　　ReRAM基于一个“漂移”忆阻模型，是一种具有非易失性的电子开关，即它可以由多种化合物制成，最常见的是各种类型的氧化物。根据论文作者的说法，ReRAM的主要优势是它的可扩展性、CMOS兼容性、低功耗和模拟电导调制，这些优势使它成为下一代内存的主要竞争者。

　　它对神经拟态计算的适用性，与忆阻器根据施加电压的历史改变其状态的能力有关。由于这种行为，它具有生物神经元与突触的暂时性和模拟特性。然而，使这些忆阻器更均衡，让其可靠地工作仍然是一个挑战，作者说。

　　2017年，由卢伟博士领导的密歇根大学电气工程与计算机科学系的一个小组展示了一个使用忆阻器的神经拟态原型设备，忆阻器被布置在一个交叉网络中。作为Crossbar公司的首席科学家，卢正在帮助这项技术实现商业化。他于2010年与他人共同创立了该公司，目前正与客户合作，向市场推出Crossbar ReRAM解决方案。

　　扩散型忆阻器

　　该技术基于一种使用活泼金属的扩散动力学的忆阻器，同样也引起了研究人员的关注。根据论文作者的说法，此类忆阻器能够利用它们独特的电导行为来模拟突触的可塑性，这一特性使它们能够忘记较早的、短期的信息，同时锁定更多相关的信息。

　　将扩散型忆阻器与ReRAM配对的实验装置能够演示无监督学习。这项研究是由马萨诸塞大学的一组研究人员领导的，其中就有这篇论文的三位作者。到目前为止，还没有商业实现。

　　相变存储器

　　PCM是另外一种高性能、非易失性存储器，基于硫族化物玻璃化合物——当它们从一个相移动到另一个相时，电阻会发生变化。该材料的结晶相为低电阻率，非结晶相为高电阻率。相变是通过施加或抽取电流来实现的。与基于NAND的传统非易失性内存不同，一些PCM设备可以承受几乎无限次的写操作。

　　英特尔、三星、美光科技和松下都曾多次涉足PCM, IBM Research也曾进行了这方面的工作，后者推出了一款PCM DIMM，可以作为非易失性缓存。几年前，研究人员构建了一个PCI-Express PCM卡，可以连接到Power8服务器，并通过相干加速器处理器接口(CAPI)交换数据。

　　作者参考了许多使用相变材料的模拟性质进行神经拟态计算的研究成果，其中一项研究提出了一个完整的神经拟态电路设计，使用PCM来模拟神经元和突触。

　　自旋电子MRAM

　　基于自旋电子的MRAM，有时也被称为自旋转矩转换MRAM (STT-MRAM)，它以磁性的方式存储数据，但使用电子来读写数据。磁性提供了非易失性，而电子提供了速度。在有些实现中，写数据的速度几乎和DRAM一样快。

　　一个存储元件由两个铁磁层组成，包括自由层和固定层，中间夹有非磁性氧化物层。它的工作原理是克服将磁化从一个方向转换到另一个方向所需要的电阻。通过在自由层中加入畴壁可以实现多种电阻状态。这类器件中，开关态的随机性可以用来模拟突触的随机行为。

　　Avalanche Technology，Spin Memory，以及Everspin Technologies等公司正在开发STT-MRAM的商业产品，此外三星和英特尔也开始生产STT-MRAM芯片。从商业角度来看，Everspin似乎是走得最远的。本月，该公司已经开始向客户运送1GB的STT-MRAM设备。

　　铁电场效应晶体管

　　FeFET存储器使用铁电材料，可以在两种极化状态之间快速切换。与上面提到的其他技术一样，它可以在低功耗下提供高性能，并且具有非易失性的额外优势。

　　根据论文作者的说法，这种类型的内存，电压可以通过模拟突触权重的方式进行调整，突触权重是神经拟态计算的一个重要元素。FeFET的一大优势是，一些铁电化合物也与CMOS兼容，从而更容易集成到标准计算平台中。缺点是，该技术还受到DRAM的一些限制，包括伸缩性、泄漏和可靠性。

　　突触晶体管

　　与本文提到的其他技术不同，突触晶体管是专门设计用来模拟神经元行为的。晶体管是由栅极、源极和漏极组成的三端结构。栅极利用电导将突触权重传递给通道，而源极和漏极则用来读取权重。电解质溶液用来调节通道的电导，提供神经形态功能的核心模拟行为。

　　论文作者说，突触晶体管提供了“卓越的性能”，甚至可能比生物等同物更好。然而，这项技术仍处于非常早期的研究阶段。当前的实现在持久性、速度和电解质等方面都受到限制。此外，它还为被证明能像神经网络那样连贯地工作。

　　总的来说，这些技术有潜力“显著加快计算速度，同时降低功耗”，作者写道，他们也承认每种技术都有自己的优缺点。他们认为，至少在可预见的未来，任何人造神经拟态系统仍将不得不依赖CMOS电路作为外围元件。“要使神经形态系统能够自我依赖，这些新设备技术必须进行跳跃式的改进。” 作者写道，“目前仍有继续发展的空间，在材料科学家、设备工程师、硬件设计师、计算机架构师和程序员之间的强大协作下向前发展，将有助于促进跨学科对话，以解决神经拟态领域面临的许多挑战。”

　　原文作者：Michael Feldman 来源：TheNextPlatform

　　https://www.nextplatform.com/2019/01/22/new-technologies-give-neuromorphic-computing-better-memories/