CMOS-RRAM集成为低能耗、高通量的神经形态计算带来了很大的前景。然而，大多数依赖于丝状开关的RRAM技术都存在变化和噪声，导致计算精度损失、能耗增加以及昂贵的编程和验证方案带来的开销。鉴于此，来自加利福尼亚大学圣迭戈分校的Duygu Kuzum研究开发了一种无灯丝、大容量开关RRAM技术来应对这些挑战。

文章要点：

1) 该研究系统地设计了一个三层金属氧化物堆叠，并研究了具有不同厚度和氧空位分布的RRAM的开关特性，可以在没有任何细丝形成的情况下实现可靠的体开关，并且，研究显示在兆欧姆范围内的大容量开关，具有高电流非线性，在没有顺应性电流的情况下高达100个电平；

2) 此外，该研究利用一个神经形态计算内存平台，通过实现自主导航/比赛任务的尖峰神经网络展示了边缘计算，同时，该研究解决了现有RRAM技术带来的挑战，并为在严格的尺寸、重量和功率限制下在边缘进行神经形态计算提供了依据。

参考资料：

Park, J., Kumar, A., Zhou, Y. et al. Multi-level, forming and filament free, bulk switching trilayer RRAM for neuromorphic computing at the edge. Nat. Commun.(2024).

DOI：10.1038/s41467-024-46682-1

https://doi.org/10.1038/s41467-024-46682-1