[发明专利]图像模式识别模拟与数字混合忆阻设备及制备，实现STDP学习规则和图像模式识别方法

权利要求书

1.一种图像模式识别的模拟与数字混合忆阻设备，其特征在于：包括底电极，顶电极，位于两电极之间的氧化钨薄膜组成的阻变功能层，该薄膜由磁控溅射生长；在小电压刺激下设备呈现模拟型阻变，在大电压下刺激下设备呈现数字型阻变，并且通过信号设计两种阻变行为都能实现STDP学习规则和图像模式识别；

忆阻设备出现模拟与数字两种阻变的过程如下：

在设备中，Au顶电极与WOx薄膜之间存在肖特基势垒，模拟阻变的界面调制与外部场的氧离子迁移和Au/WOx界面的最终累积有关；供体型氧空位缺陷的减少可以降低WOx表面附近的费米能级；当去除外部场时，它将降低Au和WOx之间的肖特基势垒高度，从而导致结电阻降低；而数字型阻变是因为大电压使得氧空位大量堆积形成导电细丝从而破坏了体积调制；

脉冲时间依赖可塑性是神经突触一个的重要特征，也是模拟图像模式识别的学习基础；在神经网络中两个神经元通过神经突触连接，而STDP是指，两个神经元之间的活动，如果其他神经元的信息在本身活动产生之前，则两神经元之间的连接会增强，即长时程增强；如果神经元本身产生活动之后才接受其他神经元传来的信息，则两神经元之间的连接程度会减弱，即长时程减弱；两神经元之间的连接程度由突触权重变化的绝对值ΔW表示，ΔW与Δt呈指数关系：ΔW＝A+×exp(-t/τ+),Δt0；ΔW＝A-×exp(-t/τ-),Δt0；ΔW为突触权重变化；A+、A-为常数；t为时间；τ+τ-为时间常数；利用上述忆阻设备实现STDP功能时，将上述忆阻设备类比成神经突触；其中顶电极类比于突触前膜；底电极类比于突触后膜；阻变层类比于突触间隙，其电导G用于模拟突触权重，突触权重变化的绝对值ΔW满足：ΔW＝(G2-G1)/G1，G1代表初始电导值，G2代表经过时间间隔t的脉冲对刺激之后器件的电导值；

通过不同的脉冲设计能在两种RS行为下的忆阻设备上实现STDP；实现的具体过程如下：

一、通过时间相关性在模拟型忆阻设备上实现STDP功能；我们设计突触前膜信号与突触后膜信号相同，都是由一个负脉冲和一个正向脉冲组成；由于上述的忆阻设备在模拟型阻变情况下具有“二阶忆阻特性”，成对正向脉冲、负向脉冲、可以使忆阻设备电导升高、减小；并且这种变化与成对脉冲之间时间成指数关系；这种关系同ΔW与Δt之间的关系相似；因此，能获得生物突触的典型STDP特征；

二、通过幅值叠加在数字型忆阻设备上实现STDP功能；设计突触前膜信号与突触后膜信号相同，都是由一个负脉冲和五个依次递减的正向脉冲组成；通过调整预脉冲和后尖峰之间的时间间隔，获得具有不同叠加振幅的脉冲，其能将忆阻设备电导调制到不同的水平；基于上述设计，使用D-RS设备也能再现类似的STDP行为；

A-RS与D-RS在实现STDP时具有不同的特点：LTD区域中的STDP行为非常相似，但LTP区域存在两个明显的差异：一是D-RS中的ΔW比A-RS的波动性大，并且随着Δt的减小，这种差别更明显；二是A-RS中ΔW的变化率仅为D-RS的十分之一；而这两个差异会对接下来的图像识别起到重要作用；

通过上述特点，能利用上述忆阻设备实现灰度图像识别；为此，开发了一个神经形态系统模拟器使用，35×35忆阻交叉阵列作为突触网络来研究A-RS和D-RS对模式识别的影响；在该系统中，忆阻设备充当连接神经元的突触，并且STDP被用作实现图像识别的学习规则；每个忆阻设备的突触权重代表像素的灰度级；最高/最低突触权重对应于纯白/黑；这里选择具有像素35×35的人脸面部图像作为原始图像，并且将表示学习次数设置为400次；通过改变突触网络中模拟型忆阻设备与数字型忆阻设备的数量比，能得到不同的学习结果；由于A-RS中的ΔW波动较小，具有A-RS的忆阻神经网络具有较高的学习准确度，而D-RS由于ΔW的变化率较大，具有D-RS的人工具有更快的学习速度。

2.根据权利要求1所述的一种图像模式识别的模拟与数字混合忆阻设备，其特征在于：所述的底电极为惰性金属电极。

3.根据权利要求1所述的一种图像模式识别的模拟与数字混合忆阻设备，其特征在于：所述的顶电极为惰性金属电极。