来源：半导体行业观察

在计算量和数据量变得越来越大的今天，计算和存储成为了下一步科技发展中要面临的两座大山，下一代高性能计算机系统必须突破存储墙问题。在过去，这两者一直都是各自发展，再通过下游产品产生交集。但伴随着未来器件小型化、集成度高的趋势，使得这两者开始融合。在这当中，存算一体技术得到了发展。

就科技发展趋势来看，未来无人驾驶、人脸人别、智能机器人等场景，都将是存算一体技术的发展机会。目前，存算一体主要的实现方式有两种，一种是基于易失性、现有工艺较成熟的SRAM或DRAM构建，另一种是基于非易失性、新型存储器件或新材料构建。

为了提高效率，科研人员开发了各种加速部件和专用的深度学习处理器，GPU、TPU等相继在市场内出现。但由于，这些场景中的模型越来越复杂，所需要的能耗也越来越高。为了通过人工智能使模拟信号处理方式所能实现的计算性能和能效，与现在数字方法相比有较大幅度的提升，就需要利用新材料特性和集成技术，来减少数据处理电路中移动数据的需求。

在这种情况下，一种被称为是第四种基本元件的忆阻器，进入了智能时代的视线中。据相关资料显示，忆阻器是1971年，由加州大学伯克利分校的蔡少棠教授根据电子学理论而得，他预测到在电阻器、电容器及电感元件之外，还存在电路的第四种基本元件，即是忆阻器。

广义忆阻器的内涵很丰富，目前研究者们普遍采用的忆阻器概念实际上是指广义忆阻器。阻变随机存取存储器( RRAM)、相变存储器以及热敏电阻、气体放电灯、金属-绝缘体转变(MIT)记忆器件、自旋电子记忆器件、生物体中的离子通道等均可归属于忆阻器的范畴。其中，RRAM是研究较多的一种数字型忆阻器。

据相关文献显示，忆阻器结构形式非常简单，总共仅需要三层—— 两个发送和接收电信号的电极以及之间的“存储”层。从外部看，忆阻器看起来像一个电阻，因此具有高密度集成和低成本制造的巨大潜力。然而，不同于静态电阻，忆阻器中的存储层的物理参数可以通过电学刺激而重新配置，并且会形成记忆效应，其中物理参数的变化（电阻）可用于数据的存储和处理。

　　

基于这种架构，2008年，惠普公司的研究人员首次做出纳米忆阻器件。市场认为，纳米忆阻器件的出现，有望实现非易失性随机存储器。至此以后，业界就掀起了忆阻器的研究热潮。在接下来的发展中，忆阻器已在非易失性存储、逻辑运算、新型计算/存储融合架构计算和新型神经形态计算等方面，呈现出了极有潜力的应用前景。

忆阻器类似于生物体中的突触，可用于人工神经网络研究，被认为是硬件实现人工神经网络突触的最好方式。除此之外，由于忆阻的非线性性质，可以产生混沌电路，也使得其在保密通信中也有很多应用。另外，更由于忆阻器具备高集成密度、高读写速度、低功耗、多值计算潜力等优势，也被视为是推动未来存算一体发展的技术之一。

但基于忆阻器存算一体技术的发展，仍然存在着很大的挑战。在这种情况下，就需要灵活的NPU硬件来适应各种网络。一个具有足够灵活性的端到端(设备级到系统级)NPU模拟器是非常必要的。

据EETOP消息称，在美国旧金山召开的第66届国际固态电路会议（ISSCC 2019）上，清华大学微电子学研究所钱鹤、吴华强教授团队报道了国际首个基于阻变存储器（RRAM）的可重构物理不可克隆函数（PUF）芯片设计，该芯片在可靠性、均匀性以及芯片面积上相对于之前工作都有明显提升，且具有独特的可重构能力。

基于忆阻器的架构在冯诺依曼瓶颈和摩尔定律时代之后展示了开发未来计算系统的巨大潜力。在泰克公司第三届半导体材料器件表征及可靠性研究交流会上，有行业专家分享了这方面的研究成果

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”