计算存储融合的高性能氧化物忆阻逻辑器件基础研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61874006
  • 项目类别：
    面上项目
  • 资助金额：
    63.0万
  • 负责人：
    刘力锋
  • 依托单位：
    北京大学
  • 学科分类：
    F0408.新型信息器件
  • 结题年份：
    2022
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2022-12-31

项目摘要

Memristor is considered as one of most promising basic devices for new memory computing architecture due to its resistive switching memory and logic application potential . Memristive logic operation face many challenges of device performance and logic operation. In order to solve these challenges, this project will start to study the microscopic physical mechanism of memristive devices, and study the internal relationship between memristive characteristics and microscopic physical properties, and extract key physical parameters of the device characteristics. Based on the deep understanding, optimized design methods are proposed to improve materials characteristics, device structure and device operation mode.   High performance nonvolatile memristive logic device with high speed, high reliability and low power and memristive array will be fabricated. 16 Basic Boolean logic operation method and logic cascade and the multiplier operation will be designed and carried out. These project results will establish technological and theoretical foundation of oxide memristive materials and devices and their logic-in-memory application, and provide key device solutions for the new memory computing architecture.
忆阻器由于兼具非挥发阻变存储特性和逻辑运算特性，被认为最有潜力成为未来信息计算与存储融合计算架构的核心基础器件。本项目针对忆阻器逻辑运算面临的器件性能及其复杂逻辑实现技术的挑战，从研究氧化物忆阻逻辑器件的微观物理机理出发，研究氧化物忆阻逻辑器件特性与材料器件结构、器件工作模式及相关联的物理效应之间的内在联系，研究掌握关键物理效应与器件性能的依赖关系。在此基础上 ，研究建立忆阻器材料、结构与操作模式的优化设计技术平台，制备高速度、高可靠和低功耗的高性能忆阻逻辑器件及集成阵列，提出利用电阻值为逻辑变量和电阻相互耦合效应实现逻辑运算和级联的方法，实现16种基本布尔逻辑运算的逻辑操作与逻辑级联，实现乘法器运算功能。本项目成果的取得，将为氧化物忆阻器件在计算存储融合体系架构的应用研究奠定坚实的技术基础。

结项摘要

随着大数据、物联网等新型信息技术的发展，对数据信息的存储与处理的要求越来越高，发展高速、低功耗的数据信息处理技术成为必需。当前计算机与微电子技术的进一步发展遭遇冯诺依曼瓶颈以及摩尔定律放缓限制，探索开发新的计算机体系架构与新型微电子信息存储与处理器件的需求非常迫切。研究计算和存储融合的非易失逻辑器件是新技术变革的重要基础。新型忆阻器件与基于忆阻的计算存储融合的新型体系架构为满足信息技术的需求提供了新的发展途径。. 本项目针对忆阻逻辑器件的发展需求，在忆阻器件材料结构优化、器件阵列操作模式、忆阻逻辑运算及其应用技术等方面开展研究。研究提出了通过界面层控制、电极材料优化等氧化物忆阻器件性能优化的技术方法；研究提出了提高忆阻阵列阻变稳定性和可靠性的创新操作模式和方法；研究了基于1T1R忆阻阵列的忆阻逻辑运算与逻辑级联的方法及实现原理，并提出忆阻逻辑阵列在随机计算技术领域的应用方法；研究了氧化物忆阻突触器件的制备和优化，展示了基于1T1R忆阻阵列的神经形态网络系统在图像识别领域的应用潜力。. 通过本项目的实施，共计发表了国际学术期刊和会议论文15篇，申请发明专利8项，为忆阻器件阵列的性能优化及其在存算融合领域的应用，提供了重要应用基础技术支撑。

项目成果

期刊论文数量（8）
专著数量（0）
科研奖励数量（0）
会议论文数量（7）
专利数量（8）
Improvement of State Stability in Multi-Level Resistive Random-Access Memory (RRAM) Array for Neuromorphic Computing
用于神经形态计算的多级电阻式随机存取存储器 (RRAM) 阵列的状态稳定性改进
  • DOI：
    10.1109/led.2021.3091995
  • 发表时间：
    2021-08-01
  • 期刊：
    IEEE ELECTRON DEVICE LETTERS
  • 影响因子：
    4.9
  • 作者：
    Feng, Yulin;Huang, Peng;Kang, Jinfeng
  • 通讯作者：
    Kang, Jinfeng
A Self-Terminated Operation Scheme for High-Parallel and Energy-Efficient Forming of RRAM Array
一种用于 RRAM 阵列高并行和节能形成的自终止操作方案
  • DOI：
    10.1002/aelm.201901324
  • 发表时间：
    2020
  • 期刊：
    ADVANCED ELECTRONIC MATERIALS
  • 影响因子：
    6.2
  • 作者：
    Feng Yulin;Huang Peng;Zhang Yizhou;Shen Wensheng;Xu Weijie;Xiang Yachen;Ding Xiangxiang;Zhao Yudi;Gao Bin;Wu Huaqiang;Qian He;Liu Lifeng;Liu Xiaoyan;Kang Jinfeng
  • 通讯作者：
    Kang Jinfeng
A Seamless, Reconfigurable, and Highly Parallel In-Memory Stochastic Computing Approach With Resistive Random Access Memory Array
一种采用电阻式随机存取存储器阵列的无缝、可重构且高度并行的内存中随机计算方法
  • DOI：
    10.1109/ted.2020.3037279
  • 发表时间：
    2021-01
  • 期刊：
    IEEE TRANSACTIONS ON ELECTRON DEVICES
  • 影响因子：
    3.1
  • 作者：
    Shen Wensheng;Huang Peng;Fan Mengqi;Zhao Yudi;Feng Yulin;Liu Lifeng;Liu Xiaoyan;Zhang Xing;Kang Jinfeng
  • 通讯作者：
    Kang Jinfeng

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

Robot adaptive grabbing method based on deep reinforcement learning
基于深度强化学习的机器人自适应抓取方法
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
  • 影响因子：
    --
  • 作者：
    陈春林;侯跃南;刘力锋;魏青;徐旭东;朱张青;辛博;马海兰
  • 通讯作者：
    马海兰

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

刘力锋的其他基金

氧化物电阻存储器多值存储的可靠性及失效机理研究
  • 批准号：
    61376084
  • 批准年份：
    2013
  • 资助金额：
    80.0 万元
  • 项目类别：
    面上项目
氧化物基电阻存储器电阻开关特性的离子掺杂调控研究
  • 批准号：
    60906040
  • 批准年份：
    2009
  • 资助金额：
    22.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码