神经形态设备因其彻底改变传统计算架构和推动人工神经系统进步的潜力而受到广泛关注。氮化铝基（AlN 基）忆阻器因其卓越的性能而特别引人注目，包括超快的开关速度、小开关电流、大的开/关比、可控的材料生长以及与互补金属氧化物半导体的兼容性。 CMOS）工艺。这些显着的特征对于制造新型神经形态装置（特别是人工突触）具有巨大意义。然而，AlN 忆阻器中常见的突然阻变行为对系统级人工神经网络 (ANN) 的识别精度提出了挑战。因此，实现具有多级电导的渐进开关行为对于人工突触来说变得非常理想。在这里，引入了一种界面工程方法，通过在 AlN 层内加入氮化铝钪 (AlScN) 层来优化 Ag/AlN/Pt 忆阻器。三层 AlN/AlScN/AlN 堆叠忆阻器 (ASAM) 在复位操作中表现出渐进开关行为的显着成就，这归因于 AlScN 层的铁电极化效应导致的突然导电丝形成的缓解。此外，ASAM 还具有出色的电阻开关性能，具有超快开关速度 (<5 ns)、低工作电压 (<0.5 V) 和低至 0.2 pJ 的超低功耗。 通过适当调整电流顺应性和复位停止电压，ASAM表现出受控渐变开关和多级电导的显着特性。此外，ASAM 成功地模拟了生物突触功能，例如长时程增强 (LTP)、长时程抑制 (LTD)、配对脉冲促进 (PPF) 和尖峰时序依赖性可塑性 (STDP)。利用 ASAM 提供的近线性电导调制，通过构建卷积神经网络 (CNN) 使用实验数据模拟 MNIST 手写数字识别任务，在 150 个 epoch 后可以达到 93% 的高精度。重要的是，具有极化效应的堆叠器件结构的设计方案对于制造具有高度线性和对称电导调节的氮化物基忆阻器具有重要的前景。这些特性对于模拟计算架构的发展至关重要，可以实现更高效、更准确的神经形态系统。



"点击查看英文标题和摘要"