Confiabilidad de la memoria de conmutación resistiva analógica para la computación neuromórfica

A medida que la inteligencia artificial demanda hardware nuevo y eficiente en energía, los sistemas de computación neuromórfica basados en dispositivos de memoria de conmutación resistiva analógica (RSM) han llamado recientemente gran atención. A diferencia de los RSM binarios bien estudiados, los RSM analógicos se caracterizan por una capacidad de ajuste de conductancia continua y controlable y, por lo tanto, son capaces de combinar la computación analógica y el almacenamiento de datos a nivel de dispositivo. Aunque se han logrado importantes avances en la investigación sobre RSM analógicos, ha habido pocos trabajos que demuestren sistemas neuromórficos a gran escala. Un importante cuello de botella radica en los problemas de confiabilidad de los RSM analógicos, como la degradación de la resistencia y la retención, así como los ruidos y perturbaciones de lectura/escritura. Debido a la complejidad de los mecanismos de conmutación resistiva, los estudios sobre los orígenes de la degradación de confiabilidad y la correspondiente metodología de optimización enfrentan muchos desafíos. En este artículo, con el objetivo de aplicaciones de computación neuromórfica de alto rendimiento, proporcionamos una revisión completa sobre el estado de los estudios de confiabilidad de los RSM analógicos, los requisitos de confiabilidad, criterios de evaluación y perspectivas para futuras direcciones de investigación en confiabilidad en este campo.