11月16日，《先进材料》（Advanced Materials）在线发表了集成电路学院缪向水教授团队关于忆阻存算一体技术的综述论文，文章标题为“Self-rectifying memristors for three-dimensional in-memory computing”。博士生任升广为论文第一作者，李祎副教授和缪向水教授为论文共同通讯作者。
面向人工智能的大算力芯片已成为国家重大战略需求，然而传统芯片技术的发展面临摩尔定律行将失效、存储墙、散热墙等多重限制。基于忆阻器的存算一体技术被视为变革传统冯·诺依曼计算架构、突破芯片算力和能效瓶颈的重要路径。尽管近年来忆阻器技术发展迅速，但在大规模阵列集成中，仍然面临传统晶体管难以实现三维集成、以及漏电流导致擦写错误、热开销加剧等问题。自整流忆阻器凭借其可抑制漏电流通路、可实现三维堆叠集成等优势，有望成为研制高密度存算一体芯片的理想器件，能够大幅提高芯片单位面积上的计算算力和能效，从而成为当前的领域研究热点。
图1 三维集成自整流忆阻器的应用方向，如高密度存储、存内计算、神经形态计算、硬件安全等
团队前期重点探索了自整流忆阻器新结构及性能优化，在器件整流比、非线性度、功耗、可扩展规模等关键指标方面取得了突破（IEEE Transactions on Electron Devices, 68(10), 4897-4902, 2021；69(2), 838-842, 2022；IEEE Electron Device Letters, 2023, doi: 10.1109/LED.2023.3323341）。针对科学计算中的大规模稀疏矩阵计算难题，基于aJ级超低擦/写/读功耗的Pt/HfO2/TaOX/Ta自整流忆阻器阵列，提出了高面积效率、高计算并行度的运算方案，计算能效相较同类工作提升近2个数量级（Science Advances, 9, eadf7474, 2023）。
基于前期研究基础和思考，本综述从应用需求出发，阐述了自整流忆阻器用于解决三维堆叠集成和漏电流问题的优势，系统总结了当前业界最先进的自整流忆阻器及其关键性能指标，归纳了自整流忆阻器的重要应用场景，包括面向存储级内存的三维存储、存算一体（涵盖存内逻辑、二维矩阵矢量乘、稀疏矩阵运算、相似性搜索、三维计算等）、神经形态计算（涵盖人工突触、人工神经元、储备池计算等）以及硬件安全，分析了各类应用对自整流忆阻器性能指标的特异性需求。最后，本综述从物理机制、工艺集成、存算电路及系统设计等层面，进一步凝练了当前自整流忆阻器发展面临的关键挑战，展望在可预见的未来，高密度忆阻三维集成将成为存算一体芯片和硬件的重要方案，满足不断增长的算力和能效需求。
该工作得到了国家科技创新2030“脑科学与类脑研究”重大项目（2021ZD0201201）、科技部国家重点研究计划（2019YFB2205100, 2022YFB4500101）、国家自然科学基金重大研究计划培育项目（92064012）以及湖北江城实验室的支持。
论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adma.202307218
