{正版现货新书} 纳米忆阻器与神经形态计算 9787111704119 [美]皮纳基·马祖姆德（Pinaki Mazumder)

皮纳基·马祖姆德（Pinaki Mazumder），美国密歇根大学电气工程与计算机科学系教授，他的研究兴趣包括对于量子MOS、自旋电子学、欺骗等离子体、共振隧穿器件等新兴技术的CMOS超大规模集成电路设计、半导体存储系统、CAD工具和电路设计。

译者序<br/>前言<br/>致谢<br/>作者简介<br/>第1章  导论1<br/>  1.1  发现1<br/>  1.2  忆阻器2<br/>1.2.1  定义2<br/>1.2.2  理想忆阻器的直流响应4<br/>1.2.3  理想忆阻器的交流响应4<br/>1.2.4  理想忆阻器的交流响应：更高的频率5<br/>1.2.5  进一步观察6<br/>1.2.6  小结8<br/>  1.3  忆阻器件和系统8<br/>1.3.1  定义8<br/>1.3.2  电阻开关机制9<br/>1.3.3  离子传输10<br/>1.3.4  导电丝的形成11<br/>1.3.5  相变转换12<br/>1.3.6  谐振隧穿二极管14<br/>1.3.7  磁阻式存储器、纳米粒子和多态器件15<br/>  1.4  神经形态计算17<br/>1.4.1  忆阻突触18<br/>1.4.2  忆阻神经元18<br/>1.4.3  忆阻神经网络19<br/>  1.5  本章总结22<br/>  致谢22<br/>  参考文献23<br/>第2章  交叉阵列存储模拟和性能评估27<br/>  2.1  引言27<br/>2.1.1  动机27<br/>2.1.2  其他存储器28<br/>2.1.3  非晶硅交叉阵列存储单元29<br/>  2.2  结构30<br/>2.2.1  交叉阵列模型32<br/>  2.3  写入策略和电路实现35<br/>  2.4  读取策略和电路实现37<br/>  2.5  存储架构40<br/>  2.6  功耗45<br/>2.6.1  功耗估计45<br/>2.6.2  静态功率分析建模48<br/>  2.7  噪声分析51<br/>  2.8  面积开销53<br/>2.8.1  基于库的系统设计60<br/>  2.9  技术比较62<br/>  参考文献62<br/>第3章  基于忆阻器的数字存储器65<br/>  3.1  引言65<br/>  3.2  忆阻存储器的自适应读写66<br/>  3.3  仿真结果68<br/>3.3.1  高状态仿真68<br/>3.3.2  背景电阻扫描69<br/>3.3.3  最小阻值扫描71<br/>3.3.4  二极管泄漏电流71<br/>3.3.5  功率建模72<br/>  3.4  自适应方法的结果与讨论75<br/>  3.5  本章总结77<br/>  参考文献77<br/>第4章  多级存储架构79<br/>  4.1  引言79<br/>  4.2  多状态存储架构81<br/>4.2.1  架构81<br/>4.2.2  读/写电路82<br/>4.2.3  阵列电压偏置方案83<br/>4.2.4  读/写操作流程84<br/>4.2.5  状态由来84<br/>  4.3  读/写操作86<br/>4.3.1  读/写仿真86<br/>4.3.2  读取相邻单元的干扰88<br/>  4.4  变化的影响90<br/>4.4.1  编程电压的变化90<br/>4.4.2  串联电阻的变化91<br/>4.4.3  减少影响的读取方案91<br/>4.4.4  阵列写入后的电阻分布93<br/>  4.5  本章总结94<br/>  参考文献94<br/>第5章  搭建忆阻器的神经形态组件98<br/>  5.1  引言98<br/>  5.2  使用忆阻器实现神经形态功能99<br/>5.2.1  侧抑制99<br/>5.2.2  返回抑制100<br/>5.2.3  重合检测100<br/>  5.3  CMOS忆阻器神经形态芯片103<br/>5.3.1  模拟示例:位置检测器103<br/>5.3.2  数字示例：多功能芯片架构107<br/>  5.4  本章总结110<br/>  参考文献111<br/>第6章  基于忆阻器的值迭代114<br/>  6.1  引言114<br/>  6.2  Q学习和忆阻器建模115<br/>  6.3  迷宫搜索应用116<br/>6.3.1  介绍116<br/>6.3.2  硬件架构117<br/>6.3.3  Q学习的硬件连接119<br/>  6.4  结果与讨论120<br/>  6.5  本章总结121<br/>  参考文献121<br/>第7章  基于隧道的细胞非线性网络结构在图像处理中的应用123<br/>  7.1  引言123<br/>  7.2  CNN工作原理124<br/>7.2.1  基于Chua和Yang模型的CNN124<br/>7.2.2  基于RTD模型的CNN方程125<br/>7.2.3  不同CNN模型之间的比较126<br/>  7.3  电路分析127<br/>7.3.1  稳定性128<br/>7.3.2  建立时间128<br/>  7.4  仿真结果131<br/>  7.5  本章总结133<br/>  参考文献134<br/>第8章  多峰谐振隧穿二极管的彩色图像处理136<br/>  8.1  引言136<br/>  8.2  基于多峰谐振隧穿二极管的彩色图像处理器138<br/>  8.3  颜色表示方法140<br/>  8.4  颜色量化141<br/>8.4.1  实现和结果141<br/>8.4.2  建立时间分析143<br/>8.4.3  能耗分析143<br/>  8.5  光滑函数144<br/>8.5.1  运行与结果144<br/>8.5.2  稳定时间145<br/>8.5.3  能耗分析145<br/>  8.6  颜色提取146<br/>  8.7  与数字信号处理芯片的比较149<br/>  8.8  稳定性150<br/>  8.9  本章总结151<br/>  参考文献152<br/>第9章  基于谐振隧穿二极管阵列的速度调谐滤波器设计154<br/>  9.1  引言154<br/>  9.2  基于RTD的速度调谐滤波器阵列155<br/>9.2.1  传统速度调谐滤波器155<br/>9.2.2  谐振隧穿二极管156<br/>9.2.3  速度调谐滤波器158<br/>  9.3  系统分析162<br/>9.3.1  速度调谐滤波器的时延分析162<br/>9.3.2  速度调谐滤波器的功耗分析163<br/>9.3.3  速度调谐滤波器的稳定性166<br/>  参考文献168<br/>第10章  基于量子点和可变电阻器件的可编程人工视网膜图像处理169<br/>  10.1  引言169<br/>  10.2  CNN结构170<br/>10.2.1  谐振隧穿二极管模型与偏置170<br/>10.2.2  单元结构171<br/>  10.3  编程可变电阻连接172<br/>  10.4  分析建模175<br/>10.4.1  边缘检测175<br/>10.4.2  线条检测177<br/>  10.5  仿真结果178<br/>10.5.1  边缘检测178<br/>10.5.2  线条检测181<br/>  10.6  本章总结181<br/>  参考文献181<br/>第11章  基于忆阻器的非线性细胞/神经网络:设计、分析及应用183<br/>  11.1  引言183<br/>  11.2  忆阻器基础184<br/>  11.3  基于忆阻器的细胞神经网络186<br/>11.3.1  忆阻细胞神经网络的描述186<br/>11.3.2  使用忆阻桥电路实现突触的连接187<br/>11.3.3  M-CNN细胞的实现189<br/>  11.4  数学分析190<br/>11.4.1  稳定性190<br/>11.4.2  容错性191<br/>  11.5  计算机仿真193<br/>11.5.1  稳定性分析193<br/>11.5.2  容错性分析194<br/>11.5.3  M-CNN的应用194<br/>11.5.4  M-CNN上忆阻器偏差值的影响196<br/>  11.6  本章总结197<br/>  参考文献197<br/>第12章  基于忆阻器的神经网络动力学分析及其应用200<br/>  12.1  引言200<br/>  12.2  定义和规则202<br/>  12.3  基于忆阻器的神经网络设计203<br/>12.3.1  MRNN的设计203<br/>12.3.2  MWNN的设计206<br/>12.3.3  小结208<br/>  12.4  动力学分析208<br/>12.4.1  MRNN的动力学分析208<br/>12.4.2  MWNN的动力学分析220<br/>12.4.3  WTA点存在的充分条件220<br/>12.4.4  WTA行为和收敛性分析221<br/>12.4.5  小结222<br/>  12.5  应用与仿真223<br/>12.5.1  MRNN的仿真223<br/>12.5.2  BP-MWNN分类器系统的说明性示例227<br/>12.5.3  小结230<br/>  参考文献230<br/>附录235<br/>缩写词242

1.1发现

忆阻器（memristor）的研究经过漫长而曲折的道路才发展到今天，正是因为越来越多研究人员对于忆阻器的研究，其发展才得到了极大的推动。忆阻器最初只是一个为了补全无源电路四大基本变量之间关系的完整性而提出的模糊的猜想。蔡少棠（Leon Chua）注意到无源电路四大基本变量之间的关系存在空缺——电阻器构成了电压和电流的关系，电感器构成了磁通量和电流的关系，电容器构成了电荷量与电压的关系，却没有一种无源基本元件可以将电荷量和磁通量联系起来，因此蔡少棠教授猜测忆阻器就是这个问题的答案[1]。

忆阻器与电阻不同，虽然没有物理规则规定忆阻器必须存在，但是也没有规则否定它的存在。德米特里·门捷列夫（Dmitri Mendeleev）敏锐地观察到元素的物理和化学性质与它们的相对原子质量有某种“周期性”的关系。当门捷列夫把所有元素排列好后，他发现横排上有空缺。他并没有将其视作自己理论的问题，而是看作发现新元素的契机。

他通过计算缺失元素的相对原子质量来预测它们的性质——不出意外，他的预测是对的。当镓在1875年被发现时，它的性质与门捷列夫的预测惊人地相似。虽然他自然并没有义务填满这些表格，但是这些表格中的空白处正是发现新元素或者像忆阻器这样新器件的好契机。

事实证明，一个可以关联电荷量和磁通量的固态器件也将具有电学可控的电阻。忆阻器是一种能以电阻的形式存储“记忆”的装置，这也正是它名字的由来。在本章中，我们将详细描述它的功能是如何实现的。重要的是要了解理想忆阻器的发现是如何引起争议的。现已提出许多模拟忆阻器[2-5]，但是这些模拟忆阻器需要内部供电。虽然已经制造出以电阻的形式存储内容的固态器件，在特定的情况下，甚至可以近似地表现为理想忆阻器。但是，在实现理想忆阻器中，如何利用磁通量改变电荷（反之亦然）仍然是一个有待解决的问题。

Chua在1971年首次提出忆阻器概念的那一刻会是理解这个有争议且常被误解的元件的一个很好的起点。本章阐明了理想忆阻器的工作机制，以及“忆阻器”这个概念是如何扩展到“忆阻设备”和“忆阻系统”的。忆阻器件用磁通量（或电荷）替代了一些其他依赖于器件的特性，无论是离子传导、相变还是电子自旋方向。在此过程中，记忆器件仍然能够保持理想忆阻器的特性，这使得它们非常有用。

在延续历史教训的过程中，忆阻器