​忆阻器会成为“存储墙”的破局者么

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。