摘要： 為了實現(xiàn)易失性憶阻器在神經(jīng)形態(tài)計算中的應(yīng)用， 制備一種基于銀-氧化銅納米線-銅結(jié)構(gòu)的易失性數(shù)字識別憶阻器； 采用化學(xué)溶液法和磁控濺射技術(shù)， 分別制備憶阻器的氧化銅納米線阻變功能層和銀頂電極； 對該憶阻器的結(jié)構(gòu)、 物相及電學(xué)性能進行表征、 測試。 結(jié)果表明： 該憶阻器具有易失性和突觸可塑性， 低阻態(tài)會在1 000 s內(nèi)退化到高阻態(tài)，阻變行為由金屬銀原子形成的導(dǎo)電絲的主導(dǎo)作用所致； 該憶阻器對手寫體數(shù)字的識別準(zhǔn)確率高達92%， 可應(yīng)用于神經(jīng)形態(tài)計算。

關(guān)鍵詞： 憶阻器； 易失性； 數(shù)字識別； 神經(jīng)網(wǎng)絡(luò)； 人工突觸

中圖分類號： TN358； TN389

文獻標(biāo)志碼： A

Abstract： To realize application of volatile memristors in neuromorphic computation， a volatile digit recognition memristor based on silver-copper oxide nanowires-copper structure was prepared. A copper oxide nanowire resistive functional layer and a silver top electrode of the memristor were prepared by using chemical solution method and magnetron sputtering technology， respectively. Structure， phase， and electrical properties of the memristor were characterized and tested. The results show that the memristor has volatility and synaptic plasticity. Low resistance state can degenerate to high impedance state within 1 000 s， and the resistance change behavior is caused by leading action of conductive wires formed by metallic silver atoms. The memristor has a recognition accuracy of 92% for handwritten digits， and can be applied to neuromorphic calculation.

Keywords： memristor; volatile; digit recognition; neural network; artificial synapse

人腦的神經(jīng)系統(tǒng)約有1011個神經(jīng)元， 并且每個神經(jīng)元都可以與104個其他神經(jīng)元相連接，其中突觸起到了連接媒介的作用， 因此這個龐大的神經(jīng)系統(tǒng)就實現(xiàn)了信息處理的并行性與高效性。 近年來， 由于憶阻器具有結(jié)構(gòu)簡單、 納米級特征尺寸以及存算一體化等特性，因此成為構(gòu)建下一代模擬人腦神經(jīng)形態(tài)計算中強有力的候選材料［1-3］。 目前， 對憶阻器突觸特性的研究大多是基于非易失性特征研究的， 并以此來模擬突觸的長時程可塑性（LTP）［4-5］； 然而， 易失性（或稱遺忘性）也是生物突觸的一個重要特征， 因此憶阻器所具有的易失特性可以用來模擬生物突觸的短時程可塑性（STP）［6］。 現(xiàn)階段， 研究者已經(jīng)提出了有關(guān)易失性的憶阻器應(yīng)用。Kim等［7］提出了一種基于硅納米線的場效應(yīng)晶體管， 該晶體管可以實現(xiàn)快速讀寫（用時僅10 ns）以及電流細微變化（僅6.3 μA），并且易失性特性使其能夠在沒有任何刷新操作的情況下運行，但是該晶體管的人工突觸功能還有待進一步探究。學(xué)者們針對易失性與神經(jīng)形態(tài)計算相結(jié)合的憶阻器也進行了研究。Wang等［8］報道的有關(guān)易失性憶阻器的應(yīng)用中提到用于進行像素識別的易失性憶阻器陣列，但其中易失性憶阻器是作為選擇器，用來輔助非易失性憶阻器陣列，只能起到減小其漏電電流的作用。Wu等［9］提出的基于鉑-氧化鉿-鈦易失性憶阻器實現(xiàn)了突觸可塑性的模擬，但是在具體應(yīng)用中還未能發(fā)揮作用。Murdoch等［10］提出了一種含氧非晶態(tài)碳憶阻器的易失性與非易失性共存的憶阻器，并且討論了其開關(guān)原理，是基于電化學(xué)金屬化導(dǎo)電絲的形成與斷裂，但是該憶阻器在人工突觸方面的應(yīng)用還有待探究，還無法應(yīng)用于神經(jīng)網(wǎng)絡(luò)中。當(dāng)前，易失性憶阻器在神經(jīng)形態(tài)計算方面的應(yīng)用還面臨許多挑戰(zhàn)，因此尋找一種優(yōu)異的阻變材料與結(jié)構(gòu)仍是解決上述問題的有效途徑。

本文中制備了一種銀-氧化銅納米線（CONWs）-銅結(jié)構(gòu)的憶阻器，其中CONWs采用化學(xué)溶液法制備，然后通過電學(xué)測試對憶阻器的雙極性易失性特性以及突觸特性進行表征，并通過擬合曲線分析其阻變機制，最后將其應(yīng)用于手寫體的數(shù)字識別神經(jīng)網(wǎng)絡(luò)中。

1 銀-CONWs-銅憶阻器的制備及測試、表征

分別用鹽酸、 丙酮、 乙醇和去離子水對厚度為0.2 mm的銅箔進行超聲清洗，每次清洗10 min以去除表面的氧化物。將3.2 g的氫氧化鈉和0.918 g的硫代硫酸銨溶于30 mL的去離子水中，攪拌至完全溶解。將清洗后的銅箔垂直放入制備的溶液中靜置15 min，銅箔表面由金色變?yōu)樗{色的氫氧化銅。取出后用去離子水沖洗，置于溫度為65 ℃的烘箱中進行干燥。再將樣品置于145 ℃的熱板上加熱2 h，制得CONWs［11］。通過磁控濺射技術(shù)，在直流濺射功率為70 W以及體積流量為20 mL/min的氬氣環(huán)境下，借助金屬掩模板生長出多個直徑為0.2 mm的銀圓頂電極，制得銀-CONWs-銅憶阻器。

用掃描電子顯微鏡（SEM， Regulus-8100型）對CONWs的表面形貌進行表征。用X射線光電子能譜儀（XPS，AXIS SUPRA型）對銅元素的價態(tài)及化學(xué)鍵進行分析。用X射線衍射儀（XRD，Empyrean型）對氧化銅的結(jié)晶狀況進行分析。將測試源表（Keithley 2602B型）連接到探針臺，測試憶阻器的電學(xué)性能，測試過程中將憶阻器的頂電極和底電極分別與探針臺上的正、 負極探針相連，保證底電極接地，通過對頂電極施加電壓完成測試過程。

2 結(jié)果與討論

2.1 結(jié)構(gòu)及形貌、物相表征

圖1所示為銀-CONWs-銅憶阻器的三維結(jié)構(gòu)、 微觀形貌及組分價態(tài)、 物相表征結(jié)果。該憶阻器的三維結(jié)構(gòu)從上到下依次為銀圓頂電極、CONWs和銅基底電極（圖1（a））。 從SEM圖像（圖1（b））中可以觀察到CONWs交錯生長，分布均勻，直徑約為20 nm。 從銅元素的XPS譜圖（圖1（c））中可以觀察到Cu 2p軌道的特征峰值， 其中在結(jié)合能為933.4 eV時出現(xiàn)最大峰值， 對應(yīng)于Cu 2p3/2。 特別值得注意的是， 在結(jié)合能為941.4～943.4 eV時出現(xiàn)Cu 2p的振蕩衛(wèi)星峰， 除此之外， 在結(jié)合能為953.4 eV時的特征峰對應(yīng)于Cu 2p1/2［12］，表明介質(zhì)層中的銅元素是以+2價的形式存在，成功制備了氧化銅。圖1（d）為介質(zhì)層的XRD譜圖，從中可以看到氧化銅 （111）、 （11-1）晶面，銅 （200）、 （220）晶面的特征峰［13］，各物相結(jié)晶良好。

2.2 銀-CONWs-銅憶阻器的電學(xué)性能

2.2.1 易失性

圖2所示為銀-CONWs-銅憶阻器在限制電流為1 mA以及循環(huán)掃描電壓為-5～+5 V時的對數(shù)電流-電壓曲線及時間保留特性。 當(dāng)電壓約為3 V時， 憶阻器的阻態(tài)由高阻態(tài)轉(zhuǎn)變?yōu)榈妥钁B(tài)； 當(dāng)電壓繼續(xù)掃描時， 憶阻器維持在低阻態(tài)； 當(dāng)電壓掃描至-2.5 V時， 憶阻器被復(fù)位于高阻態(tài)。 10次重復(fù)循環(huán)的對數(shù)電流-電壓曲線波動不明顯， 證明該憶阻器具有良好的可重復(fù)性。 從憶阻器的時間保留特性圖（圖2（b））中可以看出， 初始開關(guān)比達到了103， 并且， 高阻態(tài)可以在很長一段時間內(nèi)保持初始阻值， 而低阻態(tài)時的阻值極不穩(wěn)定， 隨著時間的增加其阻值會增大到與高阻態(tài)的阻值相近， 是一種典型的易失性特征。

2.2.2 突觸特性

對應(yīng)于生物神經(jīng)網(wǎng)絡(luò)中的雙端突觸結(jié)構(gòu)，銀-CONWs-銅憶阻器中的銀電極對應(yīng)了突觸結(jié)構(gòu)中的突觸前膜， 中間的阻變功能層CONWs對應(yīng)了突觸結(jié)構(gòu)中的突觸間隙， 底部的銅基底電極與突觸后膜相對應(yīng)。 為了探究該憶阻器在突觸性能上的應(yīng)用潛力， 進行突觸相關(guān)的電學(xué)性能測試。 將底電極接地， 對銀電極進行6次連續(xù)掃描電壓測試，結(jié)果如圖3所示。在連續(xù)的正電壓掃描過程中，該憶阻器的電導(dǎo)逐漸增大（圖3（a）），而在連續(xù)的負壓掃描時，電導(dǎo)呈現(xiàn)逐漸減小的趨勢，并且正、 負電壓掃描時的電導(dǎo)變化都達到100 μA的量級，憶阻器這種顯著的電導(dǎo)變化特性可與突觸的信息傳遞過程對應(yīng)起來，表明該憶阻器具備生物突觸的基礎(chǔ)特性，為后續(xù)更深層次的性能挖掘提供了基礎(chǔ)。同時，該憶阻器所具有的易失性特性為突觸行為中的遺忘特性提供了可能，因為突觸可塑性是人腦進行學(xué)習(xí)和記憶的基礎(chǔ)特性，并且這一特性也是應(yīng)用于神經(jīng)形態(tài)計算中關(guān)鍵的環(huán)節(jié)［14-16］。在生物突觸中， 突觸后膜的受體接收到突觸前膜產(chǎn)生的神經(jīng)遞質(zhì)， 激發(fā)出興奮性電流與抑制性電流， 使突觸的權(quán)重增大或減小， 這種連續(xù)的興奮或抑制刺激過程可以引起突觸可塑性［17-18］。

銀-CONWs-銅憶阻器的突觸特性測試結(jié)果如圖4所示。 對憶阻器施加不同的電壓幅度后， 采用0.1 V的讀取電壓進行電流值的讀取， 觀察電流的衰減情況。 從圖4（a）中可以看出， 隨著電壓增大， 電流也在增大， 電流衰減到最后一段時間內(nèi)， 電流保持值越大， 表明電壓幅度越大， 電流越大， 衰減越小。 這一結(jié)果證明該憶阻器具有短時程可塑性，且具有學(xué)習(xí)-遺忘的特性， 模擬人腦在短時間內(nèi)接受信息的輸入， 信息輸入刺激越強， 學(xué)習(xí)的程度就越大， 但隨著時間的推移， 發(fā)生遺忘的可能性也越大［19-20］。 此外， 采用連續(xù)的正電壓或負電壓脈沖對憶阻器進行長時程突觸可塑性的性能測試， 在測試過程中對憶阻器施加脈沖寬度和時間間隔均為50 ms的正、 負電壓脈沖，將測試數(shù)據(jù)進行歸一化處理，結(jié)果見圖4（b）。從圖中可以看出：在前30 s內(nèi)，采用連續(xù)的正電壓測試，憶阻器的電導(dǎo)持續(xù)增大，直至達到飽和狀態(tài)，對應(yīng)了突觸的長時程增強；在后30 s，對憶阻器施加連續(xù)的負電壓脈沖，憶阻器的電導(dǎo)減小，經(jīng)過一段時間后達到飽和狀態(tài)，此時憶阻器表現(xiàn)出長時抑制的特性。該憶阻器所具有的突觸特性為實現(xiàn)神經(jīng)形態(tài)計算提供了基礎(chǔ)。

2.3 阻變機制

為了研究憶阻器的阻變原理， 對電流-電壓曲線進行雙對數(shù)的擬合， 探討載流子的傳輸機制。 圖5所示為銀-CONWs-銅憶阻器在正、 負電壓掃描時的電流I-電壓U雙對數(shù)擬合曲線。 由圖5（a）可以看出： 在低壓區(qū)， 擬合斜率為0.89（I∝U）， 載流子遵循歐姆傳導(dǎo)， 是電壓刺激下產(chǎn)生的焦耳熱主導(dǎo)載流子的遷移； 隨著電壓增加到中壓區(qū)， 斜率增大至2.24（I∝U2）， 此時查爾德（Child）定律起主導(dǎo)作用， 隨著電場強度的增加，注入的載流子開始填充

銀離子形成的陷阱缺陷； 在高壓區(qū)， 斜率增大到4.05（I∝Un）（n≥3），此時載流子繼續(xù)填充陷阱直到填滿， 憶阻器由高阻態(tài)轉(zhuǎn)變?yōu)榈妥钁B(tài)。 擬合曲線的3個斜率表明，在正壓下載流子的遷移符合空間電荷限制電流（SCLC）模型［21-22］。隨著掃描電壓減小，斜率減小為1.22（I∝U），在低阻態(tài)區(qū)顯示為歐姆傳導(dǎo)機制。憶阻器在負電壓掃描區(qū)域的載流子也符合SCLC機制，斜率從3.60減小到1.61再減小到0.67，如圖4（b）所示。憶阻器的載流子傳輸機制可以歸因于憶阻器中銀離子的遷移，因此，本文中提出了一種電化學(xué)金屬化（ECM）導(dǎo)電絲機制［23-24］。

銀-CONWs-銅憶阻器的初始狀態(tài)，正、負電壓作用下的導(dǎo)電絲模型如圖6所示。在初始狀態(tài)下，CONWs存在少量的銀離子，之后當(dāng)對憶阻器施加正電壓時，陽極處的銀原子被氧化為銀離子，在銀離子的遷移過程中，被氧化的銀離子在電場的驅(qū)動下向陰極（銅）移動，當(dāng)銀離子遷移到陰極時，將會從陰極捕獲電子從而被還原為銀原子。隨著陰極處被還原的銀原子數(shù)量的增加而形成銀沉淀，并且在氧化還原反應(yīng)的持續(xù)進行下，金屬銀不斷增加，最終與陽極（銀）相連，形成連接頂、底電極的導(dǎo)電通道。在此過程中，憶阻器的導(dǎo)電能力逐漸增強，電導(dǎo)逐漸增大，由高阻態(tài)變?yōu)榈妥钁B(tài)。在易失性特性中，由于銀導(dǎo)電細絲形成處于不穩(wěn)定狀態(tài)，極容易發(fā)生斷裂，因此無法維持在低阻態(tài)。最后當(dāng)負向電壓施加到憶阻器上時，導(dǎo)電通道發(fā)生與前面電導(dǎo)增大時相反的氧化還原過程。在銀電極處的導(dǎo)電絲最細，電流密度最大，產(chǎn)生的焦耳熱也最多，導(dǎo)致該區(qū)域的溫度更高，加劇了金屬的氧化還原反應(yīng)，銀導(dǎo)電絲最先在銀電極處熔解斷裂，此時電導(dǎo)逐漸減小，憶阻器由低阻態(tài)重新回到高阻態(tài)。這種可逆的導(dǎo)電絲形成與斷裂確保了銀-CONWs-銅憶阻器的雙極性阻變行為的實現(xiàn)。

初始狀態(tài)，正、負電壓作用下的導(dǎo)電絲模型3 銀-CONWs-銅憶阻器在神經(jīng)形態(tài)計算上的應(yīng)用基于銀-CONWs-銅憶阻器所具有的突觸特性，為了將其應(yīng)用于神經(jīng)形態(tài)計算，搭建了一個與神經(jīng)網(wǎng)絡(luò)相結(jié)合的憶阻器陣列。該憶阻器陣列結(jié)構(gòu)與生物突觸相對應(yīng)的物理模型見圖7（a）。實驗采用了基于深度神經(jīng)網(wǎng)絡(luò)（DNN）的網(wǎng)絡(luò)模型，采用3層網(wǎng)絡(luò)進行計算，分別為輸入層、隱藏層和輸出層，輸入層由784個像素點構(gòu)成，隱藏層為10個神經(jīng)元，輸出層為10個神經(jīng)元，并且每層都通過激活函數(shù)實現(xiàn)其線性關(guān)系，線性系數(shù)由權(quán)重表示，每層神經(jīng)元之間通過電導(dǎo)的變化實現(xiàn)權(quán)重的更新。從美國國家標(biāo)準(zhǔn)和技術(shù)研究所數(shù)據(jù)庫（MINIST）中提取6 000個訓(xùn)練集以及4 000個測試集， 通過正、 負電壓對電導(dǎo)的調(diào)制實現(xiàn)了神經(jīng)網(wǎng)絡(luò)中權(quán)重的更新［25-26］，與之對應(yīng)的是該憶阻器中的長時程增強與抑制（LTP-LTD）特性。 將測試數(shù)據(jù)進行歸一化擬合處理以用于此網(wǎng)絡(luò)中， 如圖7（b）所示。 在經(jīng)過1 090次的迭代訓(xùn)練之后， 此神經(jīng)網(wǎng)絡(luò)的數(shù)字識別準(zhǔn)確率達到了92%， 結(jié)果見圖7（c）。 最后通過隨機輸入手寫體數(shù)字進行識別概率的統(tǒng)計， 進行了混淆矩陣的繪制（見圖7（d））， 結(jié)果顯示對每個數(shù)字準(zhǔn)確識別的概率均達到90.2%以上。綜上所述，銀-CONWs-銅憶阻器能夠有效地應(yīng)用于神經(jīng)形態(tài)計算中。

4 結(jié)論

本文中制備的銀-CONWs-銅憶阻器是一個具有易失性與突觸特性的雙功能憶阻器，初始開關(guān)比可達到103。此外，該憶阻器表現(xiàn)出穩(wěn)定的高阻態(tài)以及不穩(wěn)定的低阻態(tài)，低阻態(tài)的阻值會隨時間的增加而逐漸增大，直到與高阻態(tài)的阻值達到同一水平。同時，對該憶阻器的突觸特性進行測試，結(jié)果表明其具有良好的LTP-LTD、 STP特性，將此應(yīng)用于數(shù)字識別系統(tǒng)中，識別準(zhǔn)確率可達到92%。綜上所述，銀-CONWs-銅憶阻器是一種具有易失性特性的數(shù)字識別憶阻器，為未來憶阻器存算一體化的更好發(fā)展提供了新的思路。

參考文獻：

［1］ CHUA L. Resistance switching memories are memristors［J］. AppliedPhysics A： Materials Science amp; Processing， 2011， 102： 765.

［2］ STRUKOV D B， SNIDER G S， STEWART D R， et al. The missing memristor found［J］. Nature， 2008， 453： 80.

［3］ LI C， HU M， LI Y N， et al. Analogue signal and image processing with large memristor crossbars［J］. Nature Electronics， 2018， 1： 52.

［4］ YANG J M， CHOI E S， KIM S Y， et al. Perovskiterelated （CH3NH3）3Sb2Br9 for formingfree memristor and lowenergyconsuming neuromorphic computing［J］. Nanoscale， 2020， 11（13）： 6453.

［5］ GAO C， WANG H， ZHU Z P， et al. A highperformance memristor device and its filter circuit application［J］. Physica Status Solid： Rapid Research Letters， 2020， 14（12）： 2000389.

［6］ HU S G， LIU Y， CHEN T P， et al. Emulating the pairedpulse facilitation of a biological synapse with a NiOxbased memristor［J］. Applied Physics Letters， 2013， 102（18）： 183510.

［7］ KIM H G， CHO J S， KIM Y J， et al. Nonvolatile and volatile memory characteristics of a silicon nanowire feedback fieldeffect transistor with a nitride chargestorage layer［J］. IEEE Transactions on Electron Devices， 2019， 66（8）： 3342.

［8］ WANG R P， YANG J Q， MAO J Y， et al. Recent advances of volatile memristors： devices， mechanisms， and applications［J］. Advanced Intelligent Systems， 2021， 2（9）： 2000055.

［9］ WU L， LIU H X， LIN J F， et al. Volatile and nonvolatile memory operations implemented in a Pt/HfO2/Ti memristor［J］. IEEE Transactions on Electron Devices， 2021， 68（4）： 1622.

［10］ MURDOCH B J， RAEBER T J， BARLOW A J， et al. Nonvolatile and volatile memory behaviour in oxygenated amorphous carbon electrochemical metallisation devices［J］. Applied Physics Letters， 2018， 112（24）： 242903.

［11］ LAN W， ZHANG X T ZHAI A， et al. Flexible CuO nanotube arrays composite electrodes for wireshaped supercapacitors with robust electrochemical stability［J］. Chemical Engineering Journal， 2019， 374： 181.

［12］ RAMOUS A， URBIETA A， ESCALANTE G， et al. Study of the influence of the precursors on the sensing properties of ZnO：Cu system［J］. Ceramics International， 2020， 46（6）： 8358.

［13］ VARGHESE J， VINODKUMAR R. Effect of CuO on the photoluminescence quenching and photocatalytic activity of ZnO multilayered thin films prepared by sol-gel spin coating technique［J］. Materials Research Express， 2019， 6（10）： 106405.

［14］ WANG W X， GAO S， LI Y， et al. Artificial optoelectronic synapses based on TiNxO2-x/MoS2 heterojunction for neuromorphic computing and visual system［J］. Advanced Functional Materials， 2021， 31（34）： 2101201.

［15］ MENG J L， WANG T Y， CHEN L， et al. Energyefficient flexible photoelectric device with 2D/0D hybrid structure for bioinspiredartificial heterosynapse application［J］. Nano Energy， 2021， 83： 105815.

［16］ NG S E， YANG J T， JOHN R A， et al. Adaptive latent inhibition in associatively responsive optoelectronic synapse［J］. AdvancedFunctional Materials， 2021， 31（28）： 2100807.

［17］ ZUCKER R S， REGEHR W G. Shortterm synaptic plasticity［J］. Annual Review of Physiology， 2002， 64： 355.

［18］ ZHANG X M， LIU S， ZHAO X L， et al. Emulating shortterm and longterm plasticity of biosynapse based on Cu/aSi/Pt memristor［J］. IEEE Electron Device Letters， 2017， 38（9）： 1208.

［19］ MACLEOD K M. Shortterm synaptic plasticity and intensity coding［J］. Hearing Research， 2011， 279（1/2）： 13.

［20］ FRIAUF E， FISCHER A U， FUHR M F. Synaptic plasticity in the auditory system： a review［J］. Cell and Tissue Research， 2015， 361（1）： 177.

［21］ KIM T H， KIM S， KIM H， et al. Highly uniform and reliable resistiveswitching characteristics of a Ni/WOx/p+Si memory device［J］. SolidState Electronics， 2018， 140： 51.

［22］ LEKSHMI J A， KUMAR T N， JINESH K B. The effect of the top electrode on the switching behavior of bipolar Al2O3/ZnO RRAM［J］. Microelectronic Engineering， 2021， 250： 111637.

［23］ CHENG Y T， SU C Y， LIN H Y， et al. Excess random laser actionin memories for hybrid optical/electric logic［J］. ACS AppliedElectronic Materials， 2020， 2（4）： 954.

［24］ WU M C， TING Y H， CHEN J Y， et al. Low power consumption nanofilamentary ECM and VCM cells in a single sidewall of highdensity VRRAM arrays［J］. Advanced Science， 2019， 6（24）： 1902363.

［25］ YAO P， WU H Q， GAO B， et al. Fully hardwareimplemented memristor convolutional neural network［J］. Nature， 2020， 577： 641.

［26］ WANG T Y， MENG J L， LI Q X， et al. Reconfigurable optoelectronicmemristor for insensor computing applications［J］. Nano Energy， 2021， 89： 106291.

（責(zé)任編輯：劉建亭）