智能计算新纪元：具记忆功能的晶体管问世

在当今电子工业中，对更快、更高效组件的需求巨大，以满足现代计算的需要。传统晶体管正逐渐达到其物理和操作极限，它们在数据中心中消耗大量能源和空间，尤其是在需要数十亿个晶体管来存储和处理数据的场景下。随着数字数据的急剧增长，这种方法变得不可持续。来自约翰霍普金斯大学的研究团队发现了一种新型记忆电阻器(memristor)，能够拥有更丰富的记忆，提升其效率。

该研究由霍华德·卡茨教授领导，聚焦于基于材料的晶体管的潜力。起初，他们的重点是理解晶体管在工作过程中如何发生电荷捕获，并探寻如何提高可靠性和防止短路。然而，当研究团队在晶体管的绝缘层中引入二苯并四硫富瓦烯(DBTTF)时，导致了多项其他发现。

事实证明，DBTTF在绝缘层内形成了纳米级的晶体，形成了局部的电荷存储位点。这一现象使得晶体管即使在电流通过时也能保留之前的电荷状态。此外，掺杂了DBTTF的晶体管显示出更好的稳定性和抗电流过载能力。与传统设备在重复施加电压循环下会 deteriorate(退化)不同，这些改良过的晶体管在长期使用中表现出一致的性能。

图1

记忆电阻器及其工作原理

记忆电阻器是一种独特的电气元件，因为它们能够通过保留电荷状态来“记住”过去的状态。记忆电阻器通过电阻切换这一现象维持过去的状态，即材料的电阻会根据施加的电压而变化。当电压施加在记忆电阻器上时，其材料内的离子或缺陷会从导电纤维移动到通道。

这些通道会根据电输入的强度、极性和持续时间动态改变设备的电阻。当电压移除时，这些通道依然保持完整，从而使记忆电阻器能够记住其最后的电阻状态。这一特性对于创建无需持续电源即能保留信息的设备具有重要意义。

记忆电阻器根据先前响应的累积效应调整其反应;例如，重复刺激会强化导电通道，而不活动则会削弱这些通道。在这里，记忆电阻器模拟了大脑中神经元的工作，随着时间的推移而因活动而加强或削弱(突触可塑性)。这一事实表明，将记忆电阻器整合到类神经系统中是有价值的。

DBTTF对记忆电阻器的作用

约翰霍普金斯大学的研究团队使用聚苯乙烯基的栅极介电材料，混合不同浓度的DBTTF，制造了顶部接触、底部栅极的有机场效应晶体管(OFETs)。这些设备通过多种先进的表征技术进行分析，如X射线衍射、激光光学显微镜和扫描电子显微镜。

这些测试揭示了在介电层中形成了间隔良好的小型DBTTF晶体结构。晶体结构的形状、形式和其他参数都会影响记忆电阻器的电子特性。

观察到的性质之一是，含有7.5 wt% DBTTF的聚苯乙烯设备与对照样本相比，电压偏移(ΔVth)增加了330%，这表明这些晶体能够捕获电荷，从而最终导致设备存储电荷。DBTTF的引入提高了设备对电流过载和环境条件的抵抗力，确保长期可靠性。此外，DBTTF形成的通道确保了电荷的受控流动，因为这些通道减少了随机散射并实现精确的电荷调制，从而提高了信号的完整性和电荷响应性。

图2

利用掺有DBTTF的记忆电阻器解决当前挑战

这些具有记忆保留功能的晶体管的发现解决了传统计算系统面临的多个挑战。目前的云存储系统每千兆字节数据需要数十亿个晶体管，导致高能耗和空间限制。

记忆电阻器提供了变革性的替代方案，它们能够用单个记忆保留设备替代多个晶体管，从而显著降低能耗和空间需求。记忆电阻器通过将存储和处理结合在同一设备中实现内存计算，这种方法消除了在多个独立存储和处理单元之间转移数据的需要，这通常会引入显著的延迟和能量成本。

因此，实时数据处理和人工智能(AI)计算等任务得到了极大加速，因为数据在存储位置直接处理。这一创新显著提升了人工智能算法、实时数据分析和边缘计算系统的性能。

类神经计算与记忆电阻器

正如之前所强调的，这项技术最有利的应用是类神经计算，系统旨在模拟人脑的结构和功能。类神经系统使记忆电阻器能够模拟突触可塑性，使机器能够像人类认知那样处理信息。

这一能力允许性能优化、自适应学习和实时决策。此外，基于记忆电阻器的设备在实时决策方面表现出色，能够快速高效地处理大量数据，而传统系统往往会造成延迟。它们模拟神经过程的能力使得记忆电阻器成为机器人、自动驾驶汽车、人工智能系统等应用的基础组件。类神经系统不仅提供了卓越的效率，还有可能革新需要智能、响应和自适应系统的领域。

随着技术的进步，记忆功能可以进一步增强，这将为电子领域创造众多可能性。具有记忆功能的晶体管的诞生可以开启一个崭新的计算时代，不仅更加高效，而且更加自适应与简化。凭借改变行业和重新定义技术边界的潜力，这一创新改变了当今的计算方式，并为进一步的提升铺平了道路。

浮思特科技深耕功率器件领域，为客户提供IGBT、IPM模块等功率器件以及单片机(MCU)、触摸芯片，是一家拥有核心技术的电子元器件供应商和解决方案商。