电阻常常被视作那种不存在记忆特性的元件, 当下给予它怎样的电压, 它便依据欧姆定律让相应数值的电流通过, 这和一秒片刻之前所出现的情形毫无关联。然而忆阻器则提出了另外一种可能性, 即元件当下的电阻是由过去流过的电荷或者施加的电压所决定, 并且在断电之后其内部状态依然有可能留存下来。它一方面类似电阻, 另一方面又类似存储器, 所以被寄予厚望用在制造非易失存储、存算一体电路以及电子突触方面。这个概念最初是从电路理论的对称性里产生的, 几十年之后才在纳米材料之中获取到全新的物理载体。
电路理论用以描述元件的常用四个基本变量分别是电荷q, 电流i, 电压v以及磁通量φ, 电流指的是电荷随着时间的变化率, 电压能够写成是磁通量随着时间的变化率。电阻将电压与电流联系在一起, 电容把电荷和电压联系起来, 电感把磁通量与电流联系起来。在1971年的时候, 蔡少棠留意到这一关系网尚缺少一个直接联系电荷和磁通量的元件, 因而从数学层面上提出“”, 中文经常翻译为忆阻器。
在堪称最为理想的电荷控制模型当中, 磁通量属于电荷的函数, 其斜率被称作忆阻值M。将时间导数代入进去之后, 能够得到电压等于忆阻值乘上电流, 看上去依旧好似欧姆定律；所存在的区别是M不再是固定不变的常数, 而是会跟着累计通过的电荷产生改变。电流一旦有过流动, 元件状态便被改写；往后再次施加同样的电压, 流过的电流或许已然有所不同。过去是以一种内部状态的形式进入到了现在。
要是对理想忆阻器施加交变电压, 电流—电压图一般会出现夹于原点的滞回曲线。正半周时改变元件的状态, 负半周又朝着另一方向改变, 电流不但取决于瞬时电压, 还取决于经由哪条历史路径抵达这个位置。当驱动频率提高时, 内部状态来不及有大幅的变化, 滞回面积常常缩小, 器件愈发接近普通电阻。这个“夹钳滞回”随后成了识别忆阻行为时常用的特性, 不过仅仅依照曲线形状并无法唯一证明具体的物理机制。
忆阻概念被提出之后, 长期主要处在理论以及少量电路模型里, 并非源于材料中从来没有出现过电阻记忆。在更早的时期, 研究者就察觉到某些氧化物、硫属化合物以及有机材料在电压作用之下会产生可逆电阻切换。只是这些现象常常被归到阻变、开关或者介质击穿研究中, 没有统一纳入忆阻器语言。理论元件跟真实材料之间的对应, 一直到纳米电子学兴起后才变成热门话题。
德米特里·斯特鲁科夫、格雷戈里·斯奈德、邓肯·斯图尔特和斯坦利·威廉姆斯等人, 2008年在惠普实验室, 于《自然》发表论文, 把一种二氧化钛纳米器件解释成此前缺失的忆阻器, 器件是由不同含氧状态的区域组成的, 富含氧空位的部分导电性较高, 接近化学计量比的部分电阻较大, 外加电, 可以推动动带电缺陷移动, 改变两区域边界位置, 整个器的件电阻会随历史发生变化。
氧空位能够被理解成, 晶格里面本来应该存在氧原子的位置出现了缺失。缺陷会致使局部价态以及载流子浓度产生改变, 进而使得材料的电导发生变化。当器件尺寸非常小时, 离子只要移动几纳米, 就也许会显著地改变导电通路。电子承担着瞬时电流, 较为缓慢的离子或缺陷负责保存状态；两种时间尺度在同一材料中进行耦合, 从而让电阻获得了记忆。
直观的线性漂移模型被惠普论文采用, 该模型中低阻区跟高阻区是串联的, 总电阻取决于边界位置, 电流促使边界移动，此模型很好地呈现了忆阻行为, 然而它并非是对所有实际器件的完整描述, 在真实纳米结构里, 缺陷移动速度会因电场、温度以及界面而急剧变化, 边界或许并不平整, 焦耳热还会使局部升温, 后来开展的研究显示, 许多阻变器件更像是在形成以及破坏细小导电丝, 而不是整个平面边界进行均匀移动。
氧空位、金属原子或者局部还原区域, 有可能是导电丝的组成部分。器件在首次使用的时候, 有时需要较高电压来“形成”一条初始通路。之后施加某一极性的电压, 以此让导电丝延伸或者连接, 进而器件进入低阻态, 这被称作SET；施加反向电压或者不同幅度脉冲, 使得细丝断开, 器件回到高阻态, 这被称作RESET。限流电路相当重要要不低阻形成后因为电流过大就会把可逆变化变成永久击穿。
有些器件靠着电场方向来控制离子运动, 呈现出双极性切换的情况；另有一些主要是经由焦耳热使得导电丝断裂, 能够在同一电压极性之下借助不同幅度完成开关动作, 这被称作单极性切换。相变存储, 可以表现出依赖历史的电阻状态；磁性器件也能够显露出依靠历史的电阻情形；铁电器件或许同样会展现出依赖过去经历中的电阻状况。广义状态下的“忆阻系统”涵盖了多种物理机制, 这些所涵盖的物理机制它们共同的地方在于输出是由输入以及内部状态一起决定的, 并非像那样是共享一种独一无二的材料。
“发现了第四种基本电路元件”这话引发了争论, 起初蔡少棠所定义的是电荷跟磁通量之间的理想关系, 众多真实阻变器件进而还相依于温度、离子分布、化学反应以及多个状态变量, 有人觉得它们是理想忆阻器的现实推广, 也有人觉得将所有电阻记忆现象归称作忆阻器会使不同机制混淆, 不管命名争议怎样, 2008年的工作着实令阻变材料、非线性电路与神经形态计算汇聚成了一个活跃领域。
身为数字存储器, 阻变器件能够借助高阻以及低阻指代0和1, 写入依靠电压脉冲去变换内部状态, 读取时运用较小电压来测量电流, 以此避免扰动, 断电之后缺陷或者导电丝依旧停留在原本的位置, 所以数据并不需要持续供电来维持, 器件结构一般是上下电极夹住一层薄膜, 几何形状简单, 有希望在交叉导线的每个交点处制造出高密度存储单元。
交叉阵列也会有个“偷漏电流”方面的问题, 读取某些一个单元的时候, 电流有可能会借助周围好多未被选到的单元绕路行进, 致使所测量得到的结果不再单单只归属于目标器件, 阵列要是越大的话, 路径就会越繁杂, 在工程领域当中能够在每个单元去串联晶体管、二极管或者非线性选择器, 由此形成像一晶体管一电阻此种等的结构, 不过所要付出的代价是面积以及制造步骤会有所增加, 单个器件在实验台上切换成功了, 然而与百万单元阵列能够稳定可靠地工作这二者之间存在着巨大的差距。
忆阻器使得某些神经形态研究者最感兴趣的缘由是, 电导并非仅具有高、低两级取值, 而是能够维持诸多中间状态。要是以电导来喻指突触权重, 持续施加微小的脉冲便能够循序渐进地强化或者弱化某种连接。脉冲的时间、数量以及幅度表征学习信号, 器件内部的离子分布将结果予以存储。它于物理领域同时肩负着存储乃至乘法当中的权重角色, 无需处理器从远处内存反复读取数字。
把众多忆阻器排列成交叉阵列, 还能够借助欧姆定律以及基尔霍夫电流定律直接达成矩阵—向量乘法。各行输入不一样的电压, 每个交点的电流等同于输入电压乘上器件电导, 同一列电流自然而然地相加。一个二维阵列在一次物理响应当中就获取多列加权和, 不需要数字乘法器逐项进行循环。对于神经网络极其常见的线性运算高中物理电阻调整视频物理好资源网，这种“让电流自行相加”的方法具备很高的理论能效。
在理论图景里, 每个权重都能够连续地、对称地、可重复地进行调节, 然而在现实器件方面, 却常常并不服从这种状况。SET与RESET的变化速度有可能并非是对称的, 同样的脉冲所产生的电导增量会随着当前状态而发生改变；不同单元的初始电阻、阈值以及可用状态数也是不一样的。当导电丝是由少量原子构成时, 随机涨落没办法进行避免。一个权重在今天被写到某个值, 过了几个小时或许就会出现漂移, 反复进行写入还会逐渐地老化。
就因为这样, 训练精度不单单是算法方面的问题, 它还受到材料统计的支配了。研究者具备在算法里头添加器件噪声来开展训练、将多只器件一同用来表示一个权重甚至采用写入—验证循环逐步去逼近目标值这样的操作能力。这些办法能够提升准确度, 然而却会增加能量、时间以及面积这几个东西方面。一旦每次模拟计算前后都得运用高精度数模转换器、模数转换器以及校准电路, 外围产生的开销弄不好甚至会超过忆阻阵列本身节省下来的能量。
往往会在类脑学习当中提及脉冲时序依赖可塑性存在, 要是突触前之脉冲稍微早于突触后之脉冲, 那么在忆阻器部位, 两个端口之上的电压波形加以叠加, 就存在超过增强阈值的可能性；而顺序倒过来之时, 由于叠加极性有所不同, 所以就会致使电导减弱。器件依靠局部脉冲时间差达成类似生物突触的更新, 并不需要中央控制器知晓全部网络状态信息。然而在真实的脑当中, 可塑性还会受到神经调质、细胞类型以及长期稳态调节等多重影响, 仅仅一条简单的时序曲线仅仅只是其中非常微小的一部分而已。
忆阻器能被运用在非线性动力学方面, 忆阻器能被运用在随机数方面, 忆阻器能被运用在物理储备池方面。一些器件当中的离子运动有着缓慢弛豫的情况, 输入脉冲的最近历史会对当前电流产生影响, 自然地带有短时记忆；另外一些器件在阈值附近进行随机开关，能够被用于概率采样。工程师不再将噪声和迟滞都当作缺陷, 而是试图让算法来利用它们。器件物理从一个需要被隐藏的麻烦, 转变为计算模型的一部分。
只是, 说“像突触”, 可不就等同于“造出大脑”了。生物突触, 它可不单单是保存着一个权重, 还会开展多时间尺度可塑性方面的活动, 还有递质释放、受体变化以及局部生化计算这些事儿。另外, 神经元树突自身也是具有高度非线性特点的。忆阻阵列关键在于解决权重存储跟加权求和所涉的效率问题, 然而它到底能不能产生有用的智能, 这依旧是取决于网络结构、训练数据以及算法的。材料具备记忆高中物理电阻调整视频，仅仅表明其状态依赖于历史, 可并不能说明它就拥有心理记忆。
从1971年的电路关系图开始, 到2008年的二氧化钛纳米器件, 再到交叉阵列中的人工突触, 忆阻器的历史经过了抽象理论, 跨越了缺陷物理, 又涉足计算架构。最重要的启示并非是电路元件名册终于凑齐四项, 而是电阻不应被视作静止参数, 当电子电流促使原子、离子和缺陷重新排列时, 材料过去所经历的电压会被写入内部结构。于是计算与记忆可以在同一小块物质里发生, 信息不再仅仅是存于地址中的数字, 还可能成为材料本身留下的痕迹。