本文由半导体产业纵横（ID：ICVIEWS）综合

德国研究人员开发出一种新型忆阻器，其具备记忆功能。

忆阻器又名记忆电阻，是一种被动电子器件。如同电阻器，忆阻器能产生并维持一股安全的电流通过某个设备。但是与电阻器不同的地方在于，忆阻器可以在关掉电源后，仍能“记忆”先前通过的电荷量。两组的忆阻器更能产生与晶体管相同的功能，但更为细小。

最初于1971年，加州大学伯克利分校的蔡少棠教授根据电子学理论，预测到在电阻器、电容器及电感器件之外，还存在电路的第四种基本器件，即是忆阻器。

德国研究人员开发出一种新型忆阻器，使得低功耗边缘人工智能芯片在从一种人工智能模型转变为另一种人工智能模型时不会“丢失数据”。

Agentic AI 使用针对不同任务的优化模型，但发现在从一个模型切换到另一个模型时会丢失所有数据，这是一个重大挑战。ReRAM等忆阻器可以通过在内存中处理来大幅降低边缘 AI 芯片的功耗，但仍难以实现模型之间的转换。这些忆阻器的可靠阵列既可以存储 AI 模型的推理权重，也可以存储跨模型使用的隐藏权重。

德国于利希研究中心彼得·格伦贝格研究所 (PGI-7) 纳米电化学基础与应用研究小组的团队开发出了忆阻器，即具有记忆功能的电阻器，采用所谓的细丝电导率修改机制 (FCM) 构建。

“我们发现了一种全新的电化学忆阻机制，它在化学和电学上都更加稳定，”该团队负责人伊利亚·瓦洛夫教授说道。“其独特的特性允许使用不同的开关模式来控制忆阻器的调制，这样存储的信息就不会丢失，”他说。

“基础研究对于更好地控制纳米级过程至关重要，”多年来一直从事忆阻器研究的瓦洛夫表示。“我们需要新材料和切换机制来降低系统的复杂性并增加功能范围。”

目前已确定了双极忆阻器两种主要运行机制：ECM 和 VCM，但每种机制都有各自的优点和缺点。

ECM 忆阻器使用电化学金属化在两个电极之间形成金属丝——一个微小的“导电桥”，它可以改变电阻，并在电压反转时再次溶解。这里的关键参数是电化学反应的能量势垒（电阻）。这种设计允许低切换电压和快速切换时间，但生成的状态是可变的并且相对较短。

VCM 忆阻器采用价态变化机制，通过改变肖特基势垒，使电极与电解质界面的氧离子移动，从而改变电阻。此过程相对稳定，但需要较高的开关电压。

“因此，我们考虑设计一种兼具两种类型优点的忆阻器，”Valov 说道。这种忆阻器使用由金属氧化物制成的细丝，而不是像 ECM 那样的纯金属细丝，后者由氧和钽离子的运动形成，并且非常稳定——永远不会完全溶解。“你可以把它想象成一种在某种程度上始终存在的细丝，只是经过了化学修饰，”Valov 说道。

这使得切换机制更加稳健。科学家们也将其称为灯丝电导率修改机制 (FCM)。基于此机制的组件具有多项优势：它们在化学和电气上更稳定、更耐高温、电压窗口更宽并且生产所需的电压更低。因此，制造过程中烧坏的组件更少，废品率更低，使用寿命更长。

最重要的是，不同的氧化状态允许忆阻器以二进制和/或模拟模式运行，适用于边缘 AI 芯片。

模拟和数字行为的结合对于神经形态芯片来说特别有趣，因为它可以帮助避免模型被覆盖。

研究人员在模拟的人工神经网络模型中实现了新的忆阻元件。在多个图像数据集中，该系统在模式识别方面实现了高水平的准确性。未来，该团队希望寻找其他材料来制作忆阻器，这些材料可能比这里介绍的版本工作得更好、更稳定。

瓦洛夫说：“我们的研究成果将进一步推动‘内存计算’应用电子产品的发展。”

在AI计算领域，忆阻器的优势尤为显著。它能够模拟神经网络中的突触行为，使得类脑计算成为可能。 这意味着，未来的AI计算不再依赖庞大的GPU阵列，而是能够用更加高效、低功耗的方式进行智能学习。

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。