基于阻变存储器件的神经突触与神经元实现技术及其大规模集成工艺数据集

人工智能持续推动着当今信息社会的快速发展，深刻改变了人类社会生活，已成为国际竞争的新焦点。随着半导体工艺趋向物理极限，摩尔定律脚步放缓，计算性能的提升速度已经不足以应对自动驾驶、自然语言处理、图像/语音识别、智能感知等人工智能应用场景爆炸性增长的需求，亟需基于新原理器件、新计算范式、新信息表达方式的颠覆性计算技术。近年来，阻变存储器件也被称为“忆阻器”的出现引起了国内外相关领域内研究人员极大的兴趣。本数据集面向基于阻变存储器件的神经突触与神经元器件的实现技术，大规模集成工艺及性能评估，在受控实验条件下系统性采集并整理形成。本数据集围绕器件机制与物理模型搭建，器件制备工艺及性能优化，器件阵列与系统集成等三方面展开。通过COMSOL和Matlab等软件，建立了忆阻突触器件和神经元器件的可靠仿真模型。其次，利用半导体参数分析仪，对忆阻突触器件和神经元器件的开关速度，功耗及可靠性等性能指标进行验证；此外，通过扫描电子显微镜对原型芯片的阵列规模进行了验证。最后，利用自研PCB板级测试系统（含FPGA）对原型芯片进行图像识别、最大切割、异或识别功能的测试，成功完成了功能验证。数据集为基于阻变存储器件的神经突触与神经元仿真模型搭建、器件性能采集与分析、原型芯片规模验证及功能验证提供多维度实验支撑，数据量1.19GB，为未来研究与系统性能优化提供可靠基础。