客户成果丨湘潭大学《Nano Research》：用于模拟退火神经形态计算的高稳定自整流忆阻集成阵列

湘潭大学材料科学与工程学院唐明华、燕少安团队在自整流忆阻器取得最新进展，该研究成果以“Highly stable self-rectifying memristor integrated arrays for simulated annealing neuromorphic computing”为题发表在Nano Research期刊上。

背景介绍：

随着人工智能与大数据时代的深度发展，传统冯・诺依曼架构因存储与计算分离导致的“内存墙”、“功耗墙”问题愈发突出，在并行处理效率和能量消耗方面已难以满足复杂任务需求。神经形态计算通过模拟生物神经网络的结构与工作机制，实现高效并行信息处理，被视为突破传统架构局限的核心方向。忆阻器作为一种能实现“存储—计算一体化”的器件，凭借非易失性、低功耗、高集成度等特性，成为构建神经形态系统的关键候选器件。然而，现有忆阻器普遍面临稳定性不足、循环可靠性差、器件间一致性低等问题，尤其在大规模阵列应用中，易因性能波动导致系统误差，严重制约了神经形态计算的实用化进程。因此，开发兼具高稳定性、高一致性及多功能特性的忆阻器阵列，成为该领域的重要研究目标。

成果简介： 

针对高稳定性、高一致性自整流忆阻器阵列的构建挑战，湘潭大学研究团队开发出基于Pt/TaOx/Ti结构的1 kbit自整流忆阻器（SRM）阵列，在器件性能与存算一体应用层面实现突破。所制备的SRM阵列具备卓越的稳定性：在交流应力下循环105次后仍保持稳定开关特性，无明显电导漂移；整流比变异系数（CV）低至0.11497，显著优于同类器件，展现出出色的一致性表现。器件还具备良好的多态调控能力，支持 32 种线性分布的电导状态，每种状态在室温下保留时间超过104秒，适用于突触权重精确调节的硬件实现。

在系统应用方面，研究团队创新性地将该忆阻器阵列与模拟退火算法协同设计，构建出具备生物启发特性的高效图像修复系统。该系统在仅30次迭代内便可完成图像恢复，结构相似性（SSIM）高达99.93%，在速度与精度上均优于传统方法，为存内计算在图像处理与智能优化领域的应用提供了新思路。

图 1. Pt/TaOx/Ti SRM器件的结构表征

图 2. SRM器件的电学性能与机理解释

图 3. SRM器件的阻值稳定性分析与多值操作

图 4. 矩阵运算架构以及矩阵存储与并行计算示意图

图 5. 基于自整流忆阻器模拟退火算法及其图像修复应用

该工作中通过使用 TuoTuo Technology 的无掩模光刻机TTT-07-UV Litho-Y (Ni)完成了Pt/TaOx/Ti自整流忆阻器的图形化工作。

湘潭大学材料科学与工程学院硕士研究生边疆为文章的第一作者，朱颖芳老师、燕少安教授、朱小健研究员、唐明华教授为论文的共同通讯作者。

论文链接：https://doi.org/10.26599/NR.2025.94907803