面向神经形态计算的仿真引导功能梯度HfO2/TiO2忆阻器件优化

《Journal of Computational Electronics》：Simulation-guided optimization of functionally graded HfO2/TiO2 memristive devices for neuromorphic computing

　　

摘要

基于氧化铪（HfO₂）的忆阻器器件是神经形态计算的有前景候选者，但用于改善ON/OFF比、模拟电导状态精度、耐久性和保持特性的梯度氧空位（V_O）分布的受控设计仍未得到充分探索。本研究提出了一种自适应神经模糊推理系统（ANFIS）–贝叶斯优化（BO）–SHAP框架，用于面向神经形态计算应用的功能梯度HfO₂/TiO₂忆阻器薄膜优化。通过拉丁超立方采样在六个设计变量上生成了包含2,000个Silvaco ATLAS TCAD仿真的数据集，这六个设计变量分别为：HfO₂厚度、TiO₂厚度、V_O梯度陡度、TiN电极厚度、退火温度和V_O峰值浓度。在模拟设计空间内，ANFIS代理模型对ON/OFF比、SET/RESET电压变异、模拟电导状态数（N_states）、耐久性（N_cycles）和保持时间（t_ret）的同时预测达到了R² > 0.991。贝叶斯优化在所研究的模拟空间中识别出了一个帕累托最优的功能梯度V_O分布，预测其在所采用的基于TCAD的模拟框架下ON/OFF比 = 2.4 × 10⁶，N_states = 128（7位精度），N_cycles = 1.2 × 10¹⁰，以及在85 °C下t_ret = 12.8年。SHAP分析表明，V_O梯度陡度是通过梯度V_O分布实现的受控部分导电细丝形成中影响ON/OFF比（平均|SHAP|= 0.38）和电导状态精度（0.44）的主导参数，而TiO₂厚度则通过调节氧储库容量来控制耐久性（0.42）。脉冲时序依赖可塑性（STDP）模拟表明，优化后的FGM忆阻器器件可能支持非对称、近似线性的128态权重更新特性，非线性因子NL = 0.08，在所采用的器件和网络假设下，在MNIST数据集上模拟的神经形态推理准确率为94.2%。这些结果是模拟预测，得到了与代表性已发表氧化物忆阻器数据校准的支持，并需要未来的实验制造和表征进行直接验证。与完整的TCAD参数扫描相比，ANFIS–BO–SHAP工作流程将优化计算成本降低了98.1%，并为CMOS兼容的神经形态存储器阵列中基于原子层沉积（ALD）的氧空位梯度提供了面向工艺的指导建议。