面向神经网络的模拟型阻变存储器的可靠性研究

深度学习算法的兴起带来了智能化的信息技术革命。神经网络计算是一种数据为中心的任务，需要计算硬件具有高性能、低功耗的处理能力。基于传统冯诺依曼架构的计算需要大量数据搬移，无法实现高能效的处理。然而，基于阻变阵列的存算一体系统中，存储和计算都发生在原位，不需要数据搬移。这种全新的计算架构可以并行的完成乘累加操作，能够高能效、低延时地实现神经网络计算，这也是近年来广受追捧的原因。本书在神经网络之下构建了全新的计算架构，能够高能效、低延时地实现神经网络计算，在近些年广受欢迎。

神经网络计算引发了新一轮信息技术革命，也对硬件的性能提出了更高的需求。基于模拟型阻变存储器的存算一体系统可以有效缓解存储墙问题，阻变存储器的可靠性退化问题是影响存算一体系统准确率的关键因素，当前尚缺乏面向神经网络应用的可靠性研究。
本书从神经网络计算的应用需求出发，建立了从器件到系统的跨层次可靠性分析与评估框架；围绕模拟型阻变存储器的数据保持特性建立了适用于多阻态、多温度和多阵列形态的阵列级保持特性退化模型；针对现有的循环耐久性表征方法难以模拟在线训练时权重更新的问题提出了小步长增量阻变方法，并通过阶段式采样模拟阻变曲线证明了循环耐久性的耦合效应是导致在线训练准确率损失的直接原因。
本书可供从事神经网络计算、阻变存储器、可靠性研究的高校师生、科研院所研究人员及相关技术人员阅读参考。

赵美然,2013年9月考入西安交通大学电子与信息学院微电子科学与工程专业，2017年7月本科毕业并获得工学学士学位。同年9月进入清华大学集成电路学院学习，师从高滨副教授，2022年6月毕业取得博士学位。博士期间共发表17篇SCI/EI论文和四项专利，其中以学生第一作者共发表了7篇论文，包括一篇“ESI高被引论文” 和两篇行业顶会IEDM，其个人谷歌被引次数超过300。博士期间曾获得2020年中国电子学会集成电路特等奖学金、国家奖学金等荣誉，博士毕业论文当选2022年清华大学优秀博士论文。

第1章引言
1.1神经网络硬件概述
1.2阻变存储器件与存算一体技术
1.2.1阻变存储器概述
1.2.2模拟型阻变存储器概述
1.2.3基于阻变存储器的存算一体原理
1.3面向神经网络的阻变存储器可靠性研究现状及挑战
1.3.1可靠性研究现状
1.3.2面临的关键问题与挑战
1.4本书内容安排

第2章面向神经网络的模拟型阻变存储器可靠性评估方法
2.1可靠性评估框架
2.2可靠性评估参数与需求
2.3可靠性表征方法
2.3.1模拟型阻变器件单元与阵列
2.3.2测试系统
2.3.3测试方法
2.4可靠性模拟方法
2.5可靠性影响的量化方法
2.6本章小结

第3章面向神经网络的数据保持特性研究
3.1数据保持特性行为分析与建模
3.1.1多阻态的数据保持特性分析与建模
3.1.2多温度的数据保持特性分析与建模
3.1.3差分阵列的数据保持特性分析与建模
3.2数据保持特性的物理机理研究
3.3数据保持特性对神经网络准确率的影响
3.3.1面向双层感知机的数据保持退化影响评估
3.3.2面向RESNET-20的数据保持退化影响评估
3.4本章小结

第4章面向神经网络的循环耐久性研究
4.1循环耐久性行为分析与建模
4.1.1耐擦写次数与动态范围的关系
4.1.2循环耐久性退化对非线性的影响
4.1.3循环耐久性退化对开关比的影响
4.2循环耐久性的物理机理研究
4.3循环耐久性对神经网络准确率的影响
4.4本章小结

第5章总结与展望
5.1全书工作总结
5.2本书工作主要创新点
5.3下一步研究工作的展望

参考文献

在学期间完成的相关学术成果

致谢

模拟型阻变存储器是当前集成电路领域的前沿和热点方向之一，受到国内外学术界和工业界的广泛关注。模拟型阻变存储器的可靠性退化模型和机理分析以及对神经网络的影响是其中一项非常重要的研究课题。赵美然博士的学位论文围绕着模拟型阻变存储器及其在存算一体系统中的可靠性问题展开研究。这项工作是极具探索性和挑战性的，实现了从数字型阻变存储器向模拟型阻变存储器的突破，具有重要的学术意义和实际应用价值。

赵美然博士在攻读博士学位期间，展现出了卓越的研究能力和创新精神。她不仅在理论上深入探索了模拟型阻变存储器的可靠性退化模型和机理，而且针对神经网络的影响进行了系统性的分析和评估。研究建立了一个跨层次的可靠性分析与评估框架，在框架中提出了面向神经网络的可靠性评估方法、可靠性表征方法，以及建模和量化方法，都是极具创新性的成果。特别是循环耐久性表征方法，极大地提高了测试效率。这一成果已被Tektronix公司采纳并开发成标准测试模块，显示了其实际应用的巨大潜力。

此外，本研究在模拟型阻变存储器的数据保持特性研究方面也取得了重要进展。研究首次基于统计学方法建立了适用于多阻态、多温度和多阵列形态的阵列级保持特性退化模型，为评估保持退化特性对系统准确率的影响提供了新的视角。这一研究成果不仅得到了国内外学者的广泛认可，也为后续的研究提供了坚实的基础。

在解决现有循环耐久性表征方法难以模拟在线训练权重更新的问题上，本研究提出了小步长增量阻变方法，并成功实现了1011次的电导更新，这一成果对于满足在线训练需求具有重要意义，也得到了IBM首席研究员Burr博士的高度评价。

赵美然博士在这项重要课题中取得了多项创新研究成果，相关文章发表在国际顶级会议IEDM和国际知名期刊上，包括一篇“ESI高被引论文”，赢得本领域同行的高度认同。赵美然博士也获得了“中国电子学会集成电路奖学金特等奖”和“国家奖学金”等荣誉，受到业内专家的充分肯定。作为她的导师，我为她在集成电路领域的成就和贡献感到骄傲。她的博士学位论文不仅写作规范、逻辑性强，在学术层面也具有一定价值，我相信她的研究成果将为广大学者与从业者提供启示。

高滨，博士
清华大学集成电路学院长聘副教授
国家高层次人才特聘教授