原创力文档摘要
随着大数据、云计算和人工智能的迅猛发展，传统芯片已难以满足深度学习
对算力的需求。类脑计算通过硬件层面的神经网络构建，有望突破冯·诺依曼架
构中存储与计算分离的限制，实现算力及能效的大幅提升。阈值开关器件因其电
阻态对电激励的非线性响应特性，成为模拟神经元放电行为的核心器件。然而，
当前阈值开关器件在能耗、器件性能一致性和集成度方面仍存在瓶颈，限制了其
工程化应用。
本文系统研究两类不同结构的阈值开关器件，Pt/AlO/HfO/Ag(5nm)/Pt和
摘要
随着大数据、云计算和人工智能的迅猛发展，传统芯片已难以满足深度学习
对算力的需求。类脑计算通过硬件层面的神经网络构建，有望突破冯·诺依曼架
构中存储与计算分离的限制，实现算力及能效的大幅提升。阈值开关器件因其电
阻态对电激励的非线性响应特性，成为模拟神经元放电行为的核心器件。然而，
当前阈值开关器件在能耗、器件性能一致性和集成度方面仍存在瓶颈，限制了其
工程化应用。
本文系统研究两类不同结构的阈值开关器件，Pt/AlO/HfO/Ag(5nm)/Pt和
文档评论（0）