基于PECVD SiO x 的RRAM树突设备演示

突触可塑性传统上被认为是大脑学习的基础。通过突触进行学习的普遍观点构成了人工神经网络（ANN）领域所有重要发展的基础。然而，神经科学的最新研究表明，树突连接在学习动态中起着至关重要的作用，从而提高了学习效率并加快了学习速度。因此，需要在ANN的硬件层面实现树突计算/学习。电阻随机存取存储器（RRAM）设备常被用作非易失性突触元件，用于内存计算（IMC）或类脑计算应用。然而，它们在实现树突动态中的使用却很少被调查。本研究报告了一种具有渐进和挥发性电阻切换行为的SiOx基RRAM设备。我们证明该设备的切换动态可以用来模拟树突连接的行为。我们还报告了该设备在高达100万次循环中表现出的良好耐久性，并探讨了导致切换动态的传输机制。所展示的树突设备为未来全SiOx神经网络的单片集成提供了空间。