基于晶粒尺寸控制的阻变存储器实现领域特定功能用于实时视频信号处理

《Small》：Grain-Size-Controlled Resistive Switching Memories Enabling Domain-Specific Functionality for Real-Time Video Signal Processing

　　

传统神经形态平台通常依赖于异质器件集成以提供多种功能，这种策略增加了系统复杂性并阻碍了可扩展性。研究人员提出了一种基于晶粒尺寸控制的阻变存储器（RSM）阵列的平台，该阵列采用了锡（Sn）卤化物钙钛矿薄膜。一种光热化学过程产生了横向变化的晶粒尺寸，从而在整个阵列中形成了空间分级的晶界密度。这种有意引入的结构异质性产生了领域依赖的易失性阈值切换行为和短期神经动态特性，因为局部晶界密度控制了导电细丝（Conductive Filament）的形成和离子传输。因此，时间依赖的处理原语——非线性电导调制、弛豫动力学、积分发放（integrate-and-fire）响应和信号可分离性——在空间域内固有且差异化地产生，其特性可通过晶界密度进行精细调节。研究人员在一个用于自动驾驶任务的实时时空信号处理系统中验证了该方法，表明晶界工程提供了一种可扩展、制造友好的途径，将多样化的时间功能嵌入到单一的RSM阵列中。

**晶粒尺寸控制的阻变存储器**
基于晶粒尺寸控制的阻变存储器（RSM）器件在具有玻璃/ITO/FASnI₃/Ag堆叠结构的30×9交叉阵列中实现。底部电极图案由光刻定义在玻璃基板上的30条平行的氧化铟锡（ITO）线（宽100 μm）组成。开关介质甲脒碘化锡（FASnI₃）是通过旋涂从甲脒碘（FAI）和碘化锡（SnI₂）在DMF:DMSO（4:1 v/v）溶剂混合物中的1.2 M前驱体溶液沉积而成。为了改善该锡基钙钛矿的化学稳定性并抑制Sn²⁺氧化为Sn⁴⁺，研究人员在前驱体中加入了氟化锡（SnF₂）和金属锡作为稳定添加剂。沉积后，通过光热化学过程促进结晶。将三种功率的聚焦激光束依次辐照到三个空间上分离的区域，将薄膜划分为A域（160 mW）、B域（130 mW）和C域（100 mW）。该激光工艺提供了局部热退火环境，能够精确、复杂地图形化具有不同钙钛矿晶粒尺寸的RSM元件。扫描电子显微镜（SEM）观察显示，A域具有最大的平均晶粒尺寸（最低的晶界密度），而B域和C域随着激光功率降低显示出逐渐减小的晶粒（更高的晶界密度）。横截面透射电子显微镜（TEM）证实晶粒尺寸的变化贯穿整个薄膜厚度，而不仅限于表面。晶粒尺寸梯度的观察与von Weimarn的成核-生长理论一致，该理论将过饱和度与最终晶体尺寸联系起来。热梯度提供了在薄膜形成过程中调节过饱和度的有效手段。此外，通过顶电极热蒸镀沉积了顶电极Ag，形成了在三个晶粒域内各有一个10×9的交叉阵列，以便在同一器件平台上直接比较分析电阻开关性能随晶粒尺寸的变化。
**晶粒尺寸控制RSM的阈值开关行为**
为了研究晶界密度对晶粒尺寸控制RSM器件电学特性的影响，研究人员对位于三个表现出不同晶粒形貌的域内的器件进行了直流电压扫描。所有器件均表现出易失性阈值开关行为。当施加电压从0增加到2 V时，器件从高阻态（HRS）转变为低阻态（LRS），导致电流急剧增加。这个转变电压被定义为正向阈值电压（V_thf）。相反，当施加电压向0 V回扫时，器件返回HRS，伴随着电流的突然减少；这个转变电压被定义为反向阈值电压（V_thr）。具有代表性的I-V曲线显示出阈值电压对晶粒尺寸的清晰、系统性依赖。测得的A、B和C域的V_thf分别为1.40、1.31和1.21 V，对应于逐渐减小的晶粒尺寸。这种趋势表明，晶粒较小因此晶界密度较高的器件在较低的电压下从HRS转变为LRS，支持低功耗运行。研究人员将此行为归因于Ag⁺离子优先沿着晶界迁移，这些晶界提供了比晶内区域更低的激活能路径。这些结果验证了光热化学工艺可以精确控制晶粒形貌，从而在单一的阵列内实现三种不同的易失性阈值开关行为。同一域内制造的器件显示出良好的器件间和周期间均匀性。
**晶粒尺寸控制RSM的短期动态**
晶粒尺寸控制RSM中观察到的独特的易失性阈值开关行为再现了生物神经系统的短期动态特征，如非线性、弛豫时间、信号可分离性和积分发放响应。这些特性与生物突触的短期可塑性（Short-Term Plasticity, STP）非常相似。在研究人员的器件中，类似的功能通过突触后电流（Postsynaptic Current, PSC）捕获，其幅度取决于在施加电压脉冲下开关介质中活性金属离子的扩散程度。当施加单个电压脉冲（1.2 V，2 ms）时，导电细丝在RSM内成核，PSC非线性地逐渐上升；移除脉冲后，PSC快速返回基线，这与STP一致。PSC增量随局部晶界密度系统性变化：A域器件（晶界少，Ag⁺路径有限）显示出最小的增量，而C域器件（晶界多，Ag⁺扩散容易）显示出最大的增量。这种领域依赖性也决定了衰减时间，定义为PSC返回基线的间隔。A、B和C域的衰减时间分别为2.7、4.0和6.9 ms。因此，调节晶界密度在阵列中区分了短期动态，产生了不同的短期、中期和长期响应。通过施加八个不同的脉冲序列，每个序列产生不同的终端PSC，证实了可分离性。利用器件的非线性动态，研究人员评估了积分发放行为。当施加一系列亚阈值电压脉冲（0.7 V幅度，1 ms持续时间，0.3 ms脉冲间隔）时，成功发放事件的数量随着晶界密度的增加而增加：A、B和C域分别表现出1、6和9个脉冲。这些结果表明，晶界工程可以为时间依赖的信号处理任务调节可分离性。
**用于自动驾驶的时间依赖信号处理**
研究人员利用晶粒尺寸控制的RSM器件阵列的调制短期动态特性，构建了一个用于自动驾驶的神经形态计算系统。自动驾驶汽车通常使用三个前向摄像头（左、中、右），其视频流被并行处理以实现实时感知和自适应控制。为了满足由此产生的快速、准确的视频处理需求，研究人员利用了RSM阵列领域依赖的易失性响应，从代表五个道路场景（每个场景经历初始、中间和最终状态）的帧序列中提取和压缩时间特征。场景在参考车辆的前视图中定义。每个特定于状态的帧被像素化为30×9矩阵；三个10×9子矩阵对应于左、中、右摄像头。帧被分割以将像素分类为车辆、行人或背景，然后进行二值化。来自像素矩阵的脉冲流被分组并应用于阵列的行作为输入。A、B和C域的器件分别映射到车辆、行人和背景像素。这种分配遵循研究人员的测量结果，显示C域器件（更高的晶界密度）在相同脉冲下比A域器件表现出更大的电导调制。将相对不那么动态的背景映射到C域增强了对细微变化的敏感性并提高了识别准确率。相应行的PSC响应显示出领域依赖的终端PSC值，与可分离性趋势一致。按列进行乘累加（Multiply-Accumulate, MAC）操作，对PSC值求和，为每个场景生成九个输出。总共准备了5000个数据集（每个场景1000个），其中4000个用于训练，1000个保留用于测试。这九个器件输出作为9×5单层感知器（Single-Layer Perceptron, SLP）的输入。训练和推理通过片上学习进行，使用反向传播算法迭代更新突触权重。经过20个训练周期后，分类器达到了98.9%的识别准确率。这些结果证实，晶粒尺寸工程RSM阵列的领域特异性易失性响应能够从复杂的视频输入中可靠地提取时间特征，提供内在的数据压缩并大幅降低计算开销，这是自动驾驶系统中节能神经形态硬件的关键特性。
本工作提出了一种基于晶粒尺寸控制的RSM阵列的时变信号处理平台，该阵列采用了FASnI₃钙钛矿薄膜。通过光热化学过程实现了晶界密度的受控空间调制，在阵列中产生了结构异质性区域。这种工程化的异质性产生了领域依赖的易失性阈值开关行为和短期神经动态特性。具有更高晶界密度的器件表现出更低的阈值电压、更强的PSC响应和更长的衰减时间，这与沿晶界增强的Ag⁺迁移一致。这些可调谐的特性实现了不同的信号可分离性和适应性的积分发放功能，允许多个计算角色共存于单一器件阵列中。利用这些领域特异性动态，研究人员实施了一个用于自动驾驶场景视频分析的实时信号处理系统。将输入空间映射到相应的器件域，促进了高效的时间特征提取、内在数据压缩和优化的MAC操作。所得系统实现了98.9%的识别准确率，突出了晶粒尺寸控制RSM阵列的可扩展性和功能多样性。总之，这项工作建立了一种神经形态硬件架构，其中多功能性和时间处理在器件结构本身中被内在编码，无需复杂的异质集成，并为可扩展、节能的计算平台铺平了道路。