【摘要】：憶阻器作為第四種基本電路元件,具有功耗低、尺寸小、非易失性等優(yōu)點,能降低傳統(tǒng)電路的功率消耗,減少電路的面積,提高電路的整體性能,有望讓摩爾定律重新煥發(fā)光彩。作為一種新型的記憶元器件,基于憶阻器構建的新型系統(tǒng)引起人們的廣泛關注。憶阻器的阻值變化范圍很大,施加不同的電壓值可更改憶阻器的阻態(tài),憶阻器最后一次的阻值會被保留直到施加下一個電壓脈沖。憶阻器在非易失存儲、數(shù)字邏輯計算、人工神經(jīng)網(wǎng)絡和非線性電路等領域有著無限的潛力。憶阻器可以同時完成存儲和邏輯運算的特點,有望成為新一代邏輯運算電路的首選方案。本文基于惠普實驗室提出的憶阻器,研究憶阻器在邏輯電路方面的應用。本文的主要工作如下:(1)基于憶阻器的基本原理和數(shù)學關系,本文研究了惠普實驗室提出的憶阻器模型和目前常見的幾種憶阻器數(shù)學模型及其特性,為接下來憶阻器在邏輯電路上的應用奠定基礎。(2)基于憶阻器的蘊含邏輯(Material implication,IMPLY)最早由普惠實驗室提出并驗證其有效性。在研究了基于蘊含操作背后的機理后,根據(jù)蘊含操作和邏輯函數(shù)之間存在的關系,結合蘊含操作和置零操作,實現(xiàn)幾種常見的邏輯門電路,并詳細闡述了構建邏輯門的實現(xiàn)過程。在此基礎之上,提出一種基于蘊含邏輯的改進型的全加器,闡述了該加法器的詳細操作步驟、進位函數(shù)C和加法和函數(shù)S的激勵電壓序列。改進型的全加器相比于普惠實驗室提出的全加器,無論在使用憶阻器的數(shù)量上,還是在操作序列上都更具有優(yōu)勢。(3)比例邏輯(Memristor Ratio Logic,MRL)是憶阻器在邏輯電路中的另一種設計方法,這種電路設計方法相比于蘊含邏輯具有更加簡單的電路設計,使用的邏輯變量和傳統(tǒng)的CMOS電路兼容,不需要冗余的操作序列。本文研究了基于比例邏輯的基本與門、或門、與非門、或非門電路的原理。更進一步的對比了基于蘊含邏輯設計的異或門和基于比例邏輯設計的異或門的異同點。最后在加法器的基礎之上,提出基于比例邏輯的乘法器電路設計,并進行模擬仿真驗證。(4)將比例邏輯應用在數(shù)字電路中作了更進一步的嘗試,在基于比例邏輯的全加器的基礎之上,針對串行加法器運算速度慢等問題,提出了基于比例邏輯的超前進位加法器和改進型的超前進位加法器,經(jīng)過理論驗證和仿真實驗,表明所提出的超前進位加法器比基于蘊含和CMOS實現(xiàn)的超前進位加法器需要更少的憶阻器,減少了電路的面積,并降低了電路的功率消耗。
【圖文】：

從式（２．１４）可以看出，憶阻器的阻值受設備的寬度Ｄ的影響很大，因為是平方的緣故，因逡逑此當寬度Ｄ的值越小，憶阻器的特性就會更加的明顯。此外，從式（２．１４）中可以看出，憶阻逡逑的阻值還離子的漂移速度的影響。圖２．５是ＨＰ憶阻器模型的／－ｖ關系圖。施加在憶阻器兩逡逑的電壓為ｖ（／）＝Ｓｉｎ（ＭＷ），其中ｖｖ。是正弦波的角頻率。曲線表現(xiàn)為緊致的８字形滯回特性。因逡逑為電壓和電流之間沒有相位差，所以曲線總是經(jīng)過原點。逡逑９逡逑

（ａ）邋Ｔｉ０２憶阻器薄膜邐（ｂ）等效電路逡逑圖２．４憶阻器等效模型逡逑憶阻器的總寬度為乃，摻雜區(qū)的寬度為ｗ，整個憶阻器的總阻值為ＲＭ。假設離子漂移平逡逑均速度為／Ａ．，可以得到憶阻器兩端的電壓和電流之間的關系：逡逑ｖ⑴二邋Ｍ邋⑷／⑴＝［Ｒ０Ｎ邋令＋邋ＲＯＦＦ（ｌ邋—號％⑴邐（２．１１）逡逑？邋＝邋々（０邋（２．１２）逡逑式（２．１１）中，／（0是流經(jīng)憶阻器的電流值，ｖ（0代表輸入激勵電壓，常數(shù)值Ｒ０Ｎ和ＲＯＦＦ分別表示逡逑憶阻器設備的最小阻值和最大阻值。實際的憶阻值取決于動態(tài)變化的狀態(tài)變量ｗ（／）和憶阻設逡逑備的寬度Ｚ）的比值，狀態(tài)變量表示氧空缺二氧化鈦層Ｔｉ０２－；ｃ的厚度。由于Ｒ0ｆｆ？Ｒ0ｎ，逡逑所以憶阻器的阻值和成反比。的值可以由式（２．１２）確定，對公式（２．１２）兩端對時間／求逡逑積分可得：逡逑ｗ（ｔ）邋＝邋＼邋ｊｉｖ邋＾ｉ（ｔ）ｄｔ邋＝／／ｖ邋＾ｑｉｔ）邐（２．１３）逡逑在積分之后，可得狀態(tài)變量Ｍ＜0的值和憶阻器設備上的電荷成正比，，與設備的厚度成反逡逑比。因為電荷是電流對時間的積分，這就為憶阻器的非易失性效應提供了解釋：當憶阻器兩逡逑端無電流流過時
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN791;TN60

【參考文獻】

相關期刊論文 前4條

1 郭麗麗;丁世飛;;深度學習研究進展[J];計算機科學;2015年05期

2 孫志軍;薛磊;許陽明;王正;;深度學習研究綜述[J];計算機應用研究;2012年08期

3 盧妙娜;王潤;;人工智能綜述[J];電腦學習;2010年02期

4 王玨,石純一;機器學習研究[J];廣西師范大學學報(自然科學版);2003年02期

本文編號：2632694