憶阻器又名記憶電阻，是一種被動電子器件。如同電阻器，憶阻器能產(chǎn)生并維持一股安全的電流通過某個設備。但是與電阻器不同的地方在于，憶阻器可以在關掉電源后，仍能「記憶」先前通過的電荷量。兩組的憶阻器更能產(chǎn)生與晶體管相同的功能，但更為細小。

最初于 1971 年，加州大學伯克利分校的蔡少棠教授根據(jù)電子學理論，預測到在電阻器、電容器及電感器件之外，還存在電路的第四種基本器件，即是憶阻器。

德國研究人員開發(fā)出一種新型憶阻器，使得低功耗邊緣人工智能芯片在從一種人工智能模型轉變?yōu)榱硪环N人工智能模型時不會「丟失數(shù)據(jù)」。

Agentic AI 使用針對不同任務的優(yōu)化模型，但發(fā)現(xiàn)在從一個模型切換到另一個模型時會丟失所有數(shù)據(jù)，這是一個重大挑戰(zhàn)。ReRAM 等憶阻器可以通過在內(nèi)存中處理來大幅降低邊緣 AI 芯片的功耗，但仍難以實現(xiàn)模型之間的轉換。這些憶阻器的可靠陣列既可以存儲 AI 模型的推理權重，也可以存儲跨模型使用的隱藏權重。

德國于利希研究中心彼得·格倫貝格研究所 (PGI-7) 納米電化學基礎與應用研究小組的團隊開發(fā)出了憶阻器，即具有記憶功能的電阻器，采用所謂的細絲電導率修改機制 (FCM) 構建。

「我們發(fā)現(xiàn)了一種全新的電化學憶阻機制，它在化學和電學上都更加穩(wěn)定，」該團隊負責人伊利亞·瓦洛夫教授說道。「其獨特的特性允許使用不同的開關模式來控制憶阻器的調(diào)制，這樣存儲的信息就不會丟失，」他說。

「基礎研究對于更好地控制納米級過程至關重要，」多年來一直從事憶阻器研究的瓦洛夫表示。「我們需要新材料和切換機制來降低系統(tǒng)的復雜性并增加功能范圍?！?/p>

目前已確定了雙極憶阻器兩種主要運行機制：ECM 和 VCM，但每種機制都有各自的優(yōu)點和缺點。

ECM 憶阻器使用電化學金屬化在兩個電極之間形成金屬絲——一個微小的「導電橋」，它可以改變電阻，并在電壓反轉時再次溶解。這里的關鍵參數(shù)是電化學反應的能量勢壘（電阻）。這種設計允許低切換電壓和快速切換時間，但生成的狀態(tài)是可變的并且相對較短。

VCM 憶阻器采用價態(tài)變化機制，通過改變肖特基勢壘，使電極與電解質(zhì)界面的氧離子移動，從而改變電阻。此過程相對穩(wěn)定，但需要較高的開關電壓。

「因此，我們考慮設計一種兼具兩種類型優(yōu)點的憶阻器，」Valov 說道。這種憶阻器使用由金屬氧化物制成的細絲，而不是像 ECM 那樣的純金屬細絲，后者由氧和鉭離子的運動形成，并且非常穩(wěn)定——永遠不會完全溶解?！改憧梢园阉胂蟪梢环N在某種程度上始終存在的細絲，只是經(jīng)過了化學修飾，」Valov 說道。

這使得切換機制更加穩(wěn)健?？茖W家們也將其稱為燈絲電導率修改機制 (FCM)?；诖藱C制的組件具有多項優(yōu)勢：它們在化學和電氣上更穩(wěn)定、更耐高溫、電壓窗口更寬并且生產(chǎn)所需的電壓更低。因此，制造過程中燒壞的組件更少，廢品率更低，使用壽命更長。

最重要的是，不同的氧化狀態(tài)允許憶阻器以二進制和/或模擬模式運行，適用于邊緣 AI 芯片。

模擬和數(shù)字行為的結合對于神經(jīng)形態(tài)芯片來說特別有趣，因為它可以幫助避免模型被覆蓋。

研究人員在模擬的人工神經(jīng)網(wǎng)絡模型中實現(xiàn)了新的憶阻元件。在多個圖像數(shù)據(jù)集中，該系統(tǒng)在模式識別方面實現(xiàn)了高水平的準確性。未來，該團隊希望尋找其他材料來制作憶阻器，這些材料可能比這里介紹的版本工作得更好、更穩(wěn)定。

瓦洛夫說：「我們的研究成果將進一步推動『內(nèi)存計算』應用電子產(chǎn)品的發(fā)展。」

在 AI 計算領域，憶阻器的優(yōu)勢尤為顯著。它能夠模擬神經(jīng)網(wǎng)絡中的突觸行為，使得類腦計算成為可能。 這意味著，未來的 AI 計算不再依賴龐大的 GPU 陣列，而是能夠用更加高效、低功耗的方式進行智能學習。