氧化铌阈值自整流忆阻器及其超高整流比在神经形态计算中的应用

《Fundamental Research》：Niobium Oxide Threshold Self-Rectifying Memristor with Ultra-High Rectification Ratio for Neuromorphic Computing

　　

在人工智能时代，存内计算是技术变革的关键组成部分，其中忆阻器作为新兴存储器件发挥着核心作用。特别是，自整流忆阻器（SRM, Self-Rectifying Memristor）已被证明是解决交叉阵列中潜行路径电流问题的有效方案。本研究通过调节氧含量制备了具有电阻开关（RS, Resistive Switching）特性的NbOx薄膜和具有阈值开关（TS, Threshold Switching）特性的NbOy薄膜，提出了一种新型平面交叉阵列结构的Pt/NbOx/NbOy/NbOx/Ti自整流忆阻器。该器件利用NbOy的阈值特性增强整流比、开关比（On/Off比）和非线性（NL, Nonlinearity）。此外，基于器件性能构建了卷积神经网络（CNN, Convolutional Neural Network）模型用于MNIST手写数字图像识别，实现了94.3%的高准确率。本工作为大规模氧化铌基神经形态忆阻器阵列的制备与设计提供了一种简洁而有前景的途径。

研究背景方面，传统计算架构受晶体管数量增长放缓限制，摩尔定律难以满足算力需求，存内计算与具有突触功能的器件成为研究重点。忆阻器交叉阵列虽具备低成本与多值存储优势，但在大规模读取时因潜行路径电流导致读出裕度下降。常规解法如1T1R或1S1R选择器会增加工艺成本与复杂度。已有氧化物自整流忆阻器多基于双层或三层结构，但单层Pt/NbO_x/Ti器件开关比偏低。为此，研究人员通过氧流量调控磁控溅射，分别获得富氧NbO_x（以Nb₂O₅为主，具自整流性）与缺氧NbO_y（以NbO₂为主，具金属-绝缘体相变阈值开关特性），提出Pt/NbO_x/NbO_y/NbO_x/Ti三层功能层平面交叉阵列结构，将界面肖特基势垒阻断与体相MIT导通分工协同，在《Fundamental Research》报道了该工作。

主要关键技术方法上，研究人员采用标准光刻与剥离工艺在SiO₂/Si衬底上制备32×32平面交叉阵列；通过射频磁控溅射调节Ar/O₂流量（NbO_x层50/20 sccm，NbO_y层50/0.2 sccm）控制氧含量，电子束蒸发沉积Ti与Pt电极；利用XPS判定Nb₂O₅与NbO₂相占比，AFM表征表面形貌；电学测试涵盖DC I-V扫描、脉冲循环、保持与耐久性测试；阵列级读取裕度（RM, Read Margin）基于半偏压算法建模；神经形态验证以脉冲刺激测LTP/LTD电导线性，并在MNIST集上构建三层卷积+两层全连接CNN仿真推理。

研究结果部分，按原文小节归纳如下。材料与方法中，显微镜与截面显示电极厚度约Pt 46 nm、Ti 28 nm，功能层界面清晰；XPS证实高氧膜Nb₂O₅主导、低氧膜NbO₂增多。结果与讨论中，单层PN_xT整流比达10⁶但On/Off仅约10；单层PN_yT呈现典型阈值开关，V_th≈1.7 V、V_hold≈1.6 V且百次循环稳定。三层PN_xN_yN_xT在正扫同时展现整流与阈值跳变，1.5 V读压下整流比达2×10⁶、On/Off约3×10²，30器件统计最大近10⁷；能带模型指出Pt/NbO_x肖特基势垒抑反向漏电流至pA级，正向过阈时NbO_y发生MIT形成μA级通路；机制拟合分阶段对应Hopping、Poole-Frenkel与Schottky发射。反向沉积顺序对比实验证明Pt顶电极界面质量对高整流比至关重要。阵列模型显示兼顾整流比与非线性时理想有效规模可达N=7757（约57 Mb），远优于单层。突触测试中50 ms脉冲下电导LTP/LTD线性良好（R²>0.73，对称指数0.85/0.91）；CNN仿真50轮训练MNIST识别率94.3%，100轮后超90%。

讨论部分总结，研究人员指出该结构优势在于肖特基势垒与MIT两种机制互不干扰且协同：反向靠高功函数Pt/NbO_x势垒压制漏电，正向靠NbO_y可逆相变提供导通，较单一机制器件同时满足极低关态与高开态电流。Reset电压影响陷阱残留从而调节阈值电压，阵列读取裕度对非线性参数敏感。结论部分翻译为：本研究通过控制沉积氧流量制备了具优异整流性的Pt/NbO_x/Ti与具稳定金属-绝缘体相变的Pt/NbO_y/Ti阈值器件；将低氧薄膜嵌入高氧薄膜间的三层结构在保持高整流比同时把On/Off与非线性提升一个数量级，理想平面交叉阵列可达57 Mb；集成于32×32阵列成功模拟STP与LTP突触行为，所建CNN在50轮训练后获94.3%手写数字识别准确率，展示了该阵列在下一代图像识别应用中的潜力。