电子发烧友网报道（文/李宁远）人工智能、忆阻机器学习、器通大数据是向计旋忆现在蓬勃发展的领域，这些技术的算新飞速发展拉动了对高性能计算和存储的需求。在这些背景下，未自忆阻器独特的阻器性能展现出其广泛的应用前景。

忆阻器的进步降低全称是记忆电阻器，是忆阻一种表示磁通和电荷关系的电路元件。通过测定忆阻的器通阻值，可知道流经它的向计旋忆电荷量，从而有记忆电荷的算新作用。忆阻器可以组成类似矩阵的未自结构，既可以存数据，阻器也可以做计算，进步降低数据不再需要搬来搬去，忆阻可以大大降低存算所带来的消耗。

忆阻器为计算带来新未来

我们可以简单地把忆阻器理解成一种具有记忆功能的非线性电阻，通过控制电流的变化可改变其阻值，记忆电荷的特性可以利用来实现存储数据的功能。这种器件最早在1971年被推断出应该在自然界中存在，后续被证实。记忆电阻器也被认为是继电阻、电容、电感之后的第四种电路基本元件。

高性能、高密度的计算是与存储系统密切相关的，处理器和内存之间的性能差距是制约计算能力的一大瓶颈。在目前所有各类存储器件中，忆阻器是一种非常适合存算一体应用的器件，其非易失性、多电导水平、低能耗、快速切换、可扩展性以及适用于神经形态计算的特点，都很契合现在的需要。

当然，目前的忆阻器件仍旧存在成品率低和性能不可靠的问题，不过忆阻器的技术进步没有停止。去年TetraMem实现了将数千个导电水平的忆阻器集成在CMOS上，突破性的在CMOS技术上成功实现了高密度、多水平的忆阻器集成。

该成果在完全集成芯片中实现了2048个可区分的电导等级，能够为存储和计算任务提供更高的性能和能效，将忆阻器的落地推进了一大步。

清华大学也曾官宣了在支持片上学习的忆阻器存算一体芯片领域取得重大突破，研制出了全球首颗全系统集成的、支持高效片上学习的忆阻器存算一体芯片。测试结果显示，该芯片包含支持完整片上学习所必需的全部电路模块，在多个任务中，该芯片的能耗仅为先进工艺下ASIC系统的3%，能效指数级提升。

今年安徽大学集成电路学院提出了一种基于具有可调节衰减时间核的LiCoO2动态忆阻器的硬件神经元，实现了具有低功耗、高能效计算的轻量级脉冲神经网络模型的语音识别硬件系统。

忆阻器的技术突破，让市场看到了低功耗、高能效计算行之有效的解决方案，虽然还需要时间沉淀，当时忆阻器的确为未来的计算打开了大门。

从传统忆阻器到自旋忆阻器

忆阻器的具体分类其实是很多的，现在市面上采用较多的是采用ReRAM抵抗变化型和PCM相变型这些忆阻器元件。尤其是ReRAM，基于ReRAM设计的存算一体技术路线已经得到了很多厂商的认同。

但其实这类元件作忆阻器时，响应性能实现起来较为复杂，并且难以控制器件电阻值会随时间漂移的问题，需要复杂的电路或算法补偿来弥补这些缺陷。因此也不是完美无缺的忆阻器方案。

为此TDK正在推进基于自旋忆阻器的人工智能技术，根据TDK的介绍，自旋忆阻器基于最新磁阻效应原理，结合了HDD磁头和磁性传感器的设计，可以自由移动上下磁化的磁边界，电阻值随磁边界位置变化，写入操作通过横向电流实现，读取操作通过纵向电流实现，能够兼具磁体的数据保持性和可控性。

该技术一是为了改进不利于实时学习的传统忆阻器复杂补偿，二是为了改进漂移带来的AI性能不稳定。自旋忆阻器不需要复杂的补偿就能实现电导率的精确控制，电阻的一致性也不会对AI性能带来负面影响。根据TDK给出的预期，该器件未来可帮助芯片大幅降低功耗，并同时实现AI的学习功能和推理功能。

小结

自被发现开始，忆阻器的研究就没有中断过，其自动记忆能力和状态转换特性，在不断的技术突破下将大力推动人工智能和模拟存储的发展。