忆阻器非线性模型研究

第14章 用于电路设计的忆阻分数阶非线性模型

1. 引言

为了延续摩尔定律，人们进行了许多创新。在这一进程中，电子行业的一项重大成就是制造出了一种大约40年前由蔡少棠博士（Chua, 1971）提出的假想器件，并于1971年将其命名为忆阻器。蔡和康（1976）以及位于加利福尼亚的惠普实验室的一个研究团队（威廉姆斯，2008年）也对忆阻器做出了重要贡献，该团队当时使用TiO2作为交叉阵列结构的开关材料（拉吉等人，2011年；普罗德罗马克等人，2010a,b）。忆阻器件因其尺寸极小、制造工艺简单且行为类似于突触（大脑中的生物单元），正受到研究人员越来越多的关注，涉及建模、行为分析、制造技术和应用等方面。正因如此，忆阻器在生物启发技术、人工智能（夏尔马等人，2014年；普罗德罗马克等人，2010a,b；Prodromakis和Papavassiliou，2011）以及思维机器（能够从经验中学习的机器）的发展方向上具有突破性意义。忆阻器能够在无需待机或关断模式下供电的情况下长期存储数据达数年之久（乔等人，2010年），使其成为可用于非易失性存储器的新型存储单元（夏尔马等人，2015年； Gergel‐Hackett等人，2009年）。这些技术的大多数解析模型均在 MATLAB、HSPICE等软件中建立，并已在文献中公开可用（瓦泽尔等人， 2009年；辛格等人，2017a,b；杰恩和拉吉，2016年；杰恩等人，2016年）。

忆阻器是一种纳米级器件，其内置能力是以电阻的形式记忆通过它的电荷净值，而无需消耗功率来保持数据（Pattanaik et al.，2012）。许多其他应用包括使用忆阻器在不干扰功耗和面积限制的情况下实现更优性能。本文在MATLAB中对忆阻器进行建模，通过引入非线性掺杂剂漂移动力学来理解忆阻器中的非线性和边界效应问题（Kvatinsky et al.， 2012）。提出了一种窗函数，以改善非线性模型的输出响应，并通过引入一个缩放参数（j）使其在独立可扩展性和非线性程度方面更具灵活性。

借助该模型，我们研究了忆阻器中的电流‐电压特性以及非线性掺杂剂动力学的影响。所仿真的I-V特性已与惠普实验室研究团队于2008年发布的5纳米忆阻器的标准实验数据进行了比较。我们的工作提出了一种多功能忆阻模型，包含非线性漂移效应和边界效应，适用于电路设计（Raj， 2014； Raj et al.，2008， 2009， 2011， 2013； Bhushan et al.， 2013）。

1.1 基本电路元件

为了完善物理系统而设想的新元件并非没有科学先例。事实上，门捷列夫于1869年发现化学元素周期表就是一个很好的例子（vanSpronsen， 1969）。从电路理论的角度来看，四个基本电路变量中的任意两个—— 即电流（i）、电压（v）、电荷（q）和磁通量（ϕ）——之间的关系定义了三种基本双端元件（Joet al.， 2011；Kumar and Raj，2017）。图1 展示了这些变量之间的关系。

在六种可能的组合中，五种是众所周知的关系。其中两种关系由q(t)= ∫ t −∞i(τ)dτ和 ϕ(t)= ∫ t −∞v(τ)dτ给出。

其他三种关系由三个基本电路元件的公理化定义给出，即电阻器（R= V i，电压与电流之间的关系）、电容器（v(t)= 1 Cq(t)，电荷与电压之间的关系）和电感器（i(t)= 1 L ϕ(t)，磁通量与电流之间的关系）。

从逻辑和公理的角度来看，为了完整性，蔡少棠提出忆阻器（“记忆电阻器”的缩写，因为它表现得像一个具有记忆特性的非线性电阻器），以建立电荷与磁通量之间的数学关系（Chua，1971；Raj et al.，2008； Vishvakarma et al.，2007）。该器件的特点是电荷与磁通量之间存在非线性关系，即电压和电流的时间积分。忆阻器的符号如图2所示。

1.2 定义

忆阻器可以通过多种方式进行定义，例如以下方式：
(a)忆阻器是一种无源双端电路元件，其维持着电流和电压的时间积分之间的函数非线性关系。
(b)忆阻器是第四种基本无源电路元件，因为其特性无法通过三个基本元件（即电阻器、电容器和电感器）以及无源器件的任何组合实现。
(c)忆阻器是一种双端器件，其电阻取决于施加电压的幅值和极性以及电压施加的持续时间。
(d)忆阻器本质上是一种电荷依赖型电阻器。

2. 忆阻器：一种新型电路元件

1971年，蔡少棠基于对称性原因推测，除了电阻器、电容器和电感器之外，必然存在第四种电路元件。他将这种元件命名为忆阻器（memristor），即记忆电阻器（memory resistor）的缩写（Chua，1971；Kavehci 等人，2009；Singh 等人，2016a，b，c，d，2017a，b，c，d，e）。蔡少棠提出，应当存在一种第四种基本无源电路元件，以建立电荷与磁通量之间的数学关系。他认为忆阻器是一种基本元件的理由是，任何由其他基本元件组成的电路都无法实现忆阻器的特性，或者更准确地说，任何无源电路元件的组合都无法实现该特性。

科学家（Wu 和 Choi，2010；Varghese 和 Gandhi，2009）提出了一种基于忆阻器查找表（MLUT）的异步纳米线交叉阵列架构，不同于现有主要利用交叉点作为可编程二极管和/或场效应晶体管的纳米线交叉阵列架构。

该架构利用交叉点作为可配置忆阻器来实现纳米级查找表（LUTs），并采用一种称为零约定逻辑（NCL）的延迟无关逻辑范式，以实现所提出的无时钟操作。所提出的 MLUT ANRCA 的潜在技术优势包括：
(a)由于结构简单性和规则性而具有更好的可制造性；
(b)对工艺‐电压‐ 温度（PVT）变化的鲁棒性增强；
(c)事件驱动的低功耗/低噪声异步操作；以及
(d)编码级逻辑反相。

Bo 等人 (2010) 描述了将忆阻器用作多比特 n‐阵列异步计数电路的方法。该设计基于线性掺杂剂漂移模型。在复位忆阻器（将掺杂与非掺杂区域之间的边界设置在其中一个端点位置）后，施加待计数的外部脉冲（时间持续时间较短），然后测试这些脉冲对忆阻器的影响，判断最后一个施加的脉冲是否使边界达到端点位置。由于输入脉冲的特定持续时间和幅度会根据极性使忆阻器的电阻逐步上升或下降，因此将忆阻器用作多比特 n‐阵列异步计数电路时需要较高的关态到开态电阻比。此外还存在一个缺点，即所有待计数的脉冲必须具有相同的极性，否则它们的效果会相互抵消。通过简单的演化可实现频率分频、计算及其他功能。通过合适的占空比、计数脉冲电流和计数脉冲周期，可以改变忆阻值状态。因此，修改计数器阵列较为方便（Bansal 和 Raj，2016）。

科学家（Gazabare 等人，2011；Bansal 和 Raj，2017）利用 MATLAB 数学模型分析，将忆阻器线性与非线性漂移模型与惠普（ HP）实验数据进行了比较。线性与非线性模型的瞬时功率曲线与实验数据之间的比较表明，仍需进一步的建模工作以捕捉实验数据中瞬时功率曲线的细节。提出了一种针对忆阻器读写电路的自调节概念，用于控制忆阻器的工艺、电压、温度变化。在忆阻器应用中，阻碍其广泛应用的最大缺点之一是其较大的工艺‐电压‐温度（PVT）变化。这种较大的 PVT 变化源于忆阻器的纳米级操作，其中原子尺度上的微小变化可能导致器件参数出现显著变化。

Corinto 和 Ascoli(2012) 将边界条件引入开关函数中，该开关函数通过优化过程针对观测数据和建模数据之间的均方误差进行适当选择。通过对边界条件的调节，可以观察到任何周期性输入下的单值（ Joglekar 窗口）和多值（Biolek）状态‐磁通特性。所提出的模型是解析可积的，并且对于任意初始状态条件和输入类型都具有闭式解。文中展示了 PSpice 实现，完全验证了惠普忆阻器的模型。同时还展示了基于忆阻器的电路分析。所提出的电路与预期相反，表明忆阻行为可能出现现在由现有纯无源元件（如二极管、线性电容器、电感器和电阻器）组成的基本电子系统中，可作为理想案例研究，用于引导初学者进入忆阻系统研究（Azar 和 Vaidyanathan,2015a,b,c）。

2.1 基于忆阻器的逻辑设计

2.1.1 基于忆阻器的解码器设计

这里，科学家（Zhou 等，2012；Azar 和 Vaidyanathan，2015c）使用 HSPICE 分析并建模忆阻器的特性，然后基于忆阻器设计一个 3:8 译码器，采用或非操作，并将其性能与理论预期进行比较。分析内容如下：
(i)基于忆阻器的或非逻辑
(ii)基于忆阻器或非逻辑的译码器设计
(iii)忆阻器的 HSPICE 程序模型被给出

如我们所见，在图3A中，有三个忆阻器，P、Q和S，其中忆阻器P和Q保存输入值，而忆阻器S包含输出值，并被初始化为高阻态。当至少一个输入处于低阻态时，P和Q的并联组合产生的电阻远小于RG，使得S上的电压小于 VCLOSE，因此S保持在高阻态。当P和Q都处于高阻态时，P和Q的并联组合产生的电阻远大于RG，使得S上的电压大于VCLOSE，因此S从高阻态转变为低阻态。所得真值表如图3B所示，证明该电路实现了或非逻辑。解码器的高阻态设计采用了相同的概念（朱和阿扎尔，2015；瓦伊迪亚纳坦等，2015a,b,c, 2017a,b,c；瓦伊迪亚纳坦和阿扎尔，2016a,b）。

基于忆阻器的或非逻辑。(B) 或非逻辑真值表)

2.1.2 忆阻器比逻辑

此处描述了基于忆阻器件的或和与逻辑门的忆阻逻辑家族，并添加 CMOS反相器以提供完整的逻辑结构和信号恢复。该逻辑家族利用忆阻器件的可编程电阻，通过电压作为状态变量来计算布尔与/或函数（Raj et al.,2013;Vaidyanathan et al.,2015c）。

图4 展示了(A) 或门和(B) 与门的原理图。这两个逻辑门均由两个忆阻器件组成，其中忆阻器件的极性是唯一的结构差异。(C) 和 (D) 还示出了当VIN1=为“1”且VIN2=为“0”时或门和与门的工作情况。电流从 VIN1流向VIN2，并且如(E) 和(F) 所示，对于或门和与门，忆阻器件的电阻均发生变化。实线和虚线分别表示R1和R2的电阻。

2.1.3 基于忆阻器的NMOS逻辑电路

提出了一种基于忆阻器和nMOS晶体管的NMOS逻辑家族，如图5所示。所使用的忆阻器是一种具有单极性开关特性的特殊金属‐绝缘体‐金属结。与CMOS逻辑家族相比，该建议的设计在延迟和功耗性能相似的情况下，可实现四倍以上的密度提升。所提出的NMOS逻辑家族仅需使用 NMOS工艺技术即可实现和制造，由于无需pMOS器件，因此可显著降低成本（Abid et al.，2012）。

Vin1‐3 是输入信号（Meghni et al.，2017；Lamamra et al.，2017）。如果根据输入得到的输出电压为高电平，则Vout与VDD之间的差值较小，因此反结进入低阻态或开（闭合电路）状态，使Vout更接近VDD；而在相反情况下，忆阻器电阻增大，因此VDD与Vout之间的差值变大。与反结类似，忆阻器可以在

CMOS器件，包含p型上拉网络（PUN）和n型下拉网络（PDN）。 (B) 伪nMOS器件，(C) 使用nMOS晶体管（用于PDN）和单极性忆阻器的逻辑家族)

所需的面积等于via，虽然可以大大降低面积复杂度，但速度会降低。

2.1.4 PSpice基于开关的多功能忆阻器模型

该模型是忆阻器纳米结构的基于边界条件的模型（BCM）的PSpice实现。边界条件模型等同于线性掺杂剂漂移模型，不同之处在于引入了可调边界条件，以在边界处对状态动力学施加激活阈值。也就是说，一旦状态位于其中一个边界，除非输入极性反转且其幅值超过某一激活阈值，否则状态无法从该边界释放（Ascoli et al.，2013）。与其它模型相比，边界行为的可调节性使该模型能够检测更广泛的动力学特性。

2.1.5 阻性计算：忆阻器实现的信号乘法

在此模型中，引入了基于忆阻器的电阻逻辑计算电路单元。通过单极性忆阻器器件和控制开关，根据其中一个输入极性控制忆阻器的条件设置操作，实现输入信号与存储的参考位之间的双极性信号乘法（Shin et al.， 2010， 2013）。乘法结果存储在输出端的非易失性忆阻器中，因此可以通过读取输出忆阻器的状态随时访问输出结果。忆阻器乘法电路展示了对高度复杂输入的快速且高灵敏度的模式识别能力。电阻式异或门和同或门作为信号乘法器，具有负和正乘法极性，其中两个输入之一是忆阻器中存储的信息，另一个则是输入逻辑电平。

在众多可以利用这种乘法能力的潜在应用中，他们考虑使用基于相关性的模式匹配器作为一个示范性示例。输入数据模式与存储的参考数据之间的相关性是衡量两者匹配程度的基本指标，该指标作为施加于其中之一的时间滞后的函数。其他应用还包括气候、天文学或生物信息学的科学数据分析，以及包括网络安全、监控和取证在内的国家安全应用。

2.1.6 可编程CMOS/忆阻器阈值逻辑

该忆阻器件用于实现比例型二极管‐电阻逻辑，而CMOS电路用于信号放大与反相。科学家已通过实验验证了Ag/a‐Si/Pt忆阻器件（Gao et al.，2013）。对于大多数应用而言，逻辑阈值门的权重现场重配置是一个非常理想的特点。

从图6A 可以明显看出，施加在电阻上的输入x1,x2,x3,x4的组合改变了所有电阻的并联组合的等效电阻值，同时输入权重也发生变化。该

使用忆阻器和CMOS D触发器实现逻辑阈值门的主要思想。(B) I‐V特性曲线（阴影区域面板显示了用于实现阈值门的可能中间状态范围）)

逻辑阈值门的工作原理如图6B所示，其中门的阈值根据导通电阻的数量而变化，其范围从RLON到RHON ，如I-V响应中的阴影区域所示。当所有输入均为低电平时，门将处于关断状态，此时所有电阻均较高，以维持电阻并联组合的高阻等效电阻，从而产生低输出电流。使用忆阻器可减少实现的面积需求，并且仅需一次功耗即可改变其阈值。

2.1.7 具有非线性掺杂剂动力学的多功能忆阻器模型

该模型描述了一种忆阻器模型，包含了对掺杂剂动力学的非线性特性以及边界限制效应的分析。此处提出的窗函数旨在克服一些缺点

f(x)=j(1 −[(x −0.5) 2+ 0.75] p )

引入了两个控制参数 j和 p，可实现窗函数的多种缩放，该窗函数被证明可支持线性和非线性掺杂剂动力学，但这些参数值并非独立。该窗函数还解决了终端状态问题（Shin et al.，2010）。

3. 忆阻器结构

任何电路元件，无论其在理论上看起来多么有前景，除非能够被制造出来，否则都无法用于构建任何实际的电路或系统。尽管忆阻器早在1971 年就被提出（Chua，1971），但由于缺乏可制造性，并未引起研究人员的关注。然而，如今一些工业机构（如惠普实验室）和学术洁净室声称能够制造忆阻器。为了在芯片中使用并保持电子产品的低成本，忆阻器必须实现高良率制造。作为具体示例，在Lamamraet al.（2017）中，展示了已制造的二氧化钛薄膜忆阻器的结构，如图7所示。

二氧化钛薄膜忆阻器由以下不同的层组成：
(i)第1层：底部钛/铂（Ti/Pt）双层电极。
(ii)第2层：活性二氧化钛（TiO2)层。
(iii)第3层：含过量氧的活性二氧化钛（TiO2+x)层。
(iv)第4层：顶部钛/铂（Ti/Pt）双层电极。

顶部和底部的Ti/Pt电极为金属连接。制造步骤如图8所示。通过电子束蒸发在硅衬底上沉积几纳米厚的钛和铂（Ti/Pt）双层。随后通过射频磁控溅射在室温下沉积一层二氧化钛（TiO2) 。然后使用相同工艺形成含过量氧的二氧化钛（TiO2+x)层。通过在沉积过程中通入氧气来控制额外氧原子的添加，使TiO2+x层成为非化学计量比。

这些二氧化钛层是忆阻器器件的活性层。再沉积一层Ti/Pt双层作为顶部电极，从而形成一个完整的忆阻器。

3.1 忆阻器工作原理

与任何新技术一样，重要的是要了解忆阻器在电压和电流等外部刺激下的行为。将电阻器想象成水流过的管道。水就是电荷。电阻器对电荷流动的阻碍可类比于管道的直径，即管道越窄，电阻越大。该过程如图9所示。

在电路设计的历史中，电阻器的管道直径是固定的。但忆阻器是一种会随着流经其中的水量和方向而改变直径的管道。如果水沿一个方向流过此管道，管道会扩张（电阻变小）。如果我们让水沿相反方向流动，管道则会收缩（电阻变大）。此外，忆阻器会记住上次水流通过时的管道直径。当水流关闭时，管道的直径会“冻结”，直到再次通水。

据指出，忆阻器的忆阻值取决于最近流过的电荷量和方向。当电荷流动停止时，它会保持最后的忆阻值。同时，当电荷流动再次恢复时，控制忆阻器的忆阻值将从其上一次的值开始变化。为了清晰理解该器件，需要对其特性进行讨论。用于特性分析的忆阻器原理图如图10所示。

含氧缺陷的TiO2−x在顶部/底部电极施加电压时提供载流子。这些载流子随后流向

忆阻器在完全掺杂和完全未掺杂条件下的电阻，(B) TiO2层部分掺杂时忆阻器的有效电阻，以及(C)用于特性分析的忆阻器偏置电路)

有源TiO2层，从而改变受控TiO2层以及忆阻器的电阻（这会降低电阻）。另一方面，如果通过忆阻器电极的电流方向反转，则TiO2层中的载流子将向TiO2−x层移动（这会增加）

未施加电压时，含有氧空位的层为导电的（上层），而底层为绝缘的；(B) 施加正电压将正离子（氧缺陷）排斥至绝缘层，使其导电性增强；(C) 施加负电压吸引带电离子，导致导电区域厚度减小，因此电阻增加)

电阻），因此在TiO薄膜上施加2,电压会控制不同相态的相对浓度，而每种相态具有不同的电阻，因此总电阻发生变化（图11）。

3.2 忆阻器的重要特性

当电压关闭时，忆阻器会记住其最近的忆阻值，直到下次电压开启时，并能提供动态负电阻。因此，它具有有望彻底改变纳米电子学的特性。忆阻器可用于模拟和数字电路中，这些电路是传感器和手机等常见系统的一部分。忆阻器是“记忆电阻器”（memory resistor）的缩写，因为这正是它的功能，即记住其历史状态。忆阻器可被用作非易失性存储器，因为它能够无限期地存储电阻值（Ouannas 等，2017a,b,c）。如果笔记本电脑采用基于忆阻器的内存构建，当你重新装入电池时，屏幕将立即恢复到你离开时的状态，即无需漫长的重启过程，也不会有多个文件需要自动恢复。此外，基于氧化物的阻变器件有望满足通用存储器的性能要求：非易失性、高速、高密度和低功耗运行（Ouannas 等，2017d,e）。

忆阻器可以做得非常小，其功能类似于突触（神经元元件）。未来，我们有望拥有像人脑一样处理信息的计算机。忆阻值遵循平方反比定律，即在纳米尺度下的重要性是微米尺度下的百万倍，而在毫米尺度及以上 essentially unobservable。因此，由于忆阻器在尺寸更小时性能更优，它正在革新纳米技术。

忆阻器尺寸为 ∼10纳米，因此可以通过接触孔制造。因此不会产生面积复杂性（da Costa et al., 2012; Gaoet al., 2013; Bhushan et al., 2013; Boulkroune et al.,2016; Pham et al., 2017;

Wang 等人，2017）。此外，导线和开关可以做得非常小；最终宽度可达约 4 nm，然后可以将多个交叉条堆叠在一起，从而实现极高密度的存储位。传统器件仅使用 0 和 1；忆阻器则可以通过改变电流的速度和强度，使用介于 0 和 1 之间的任意值（如 0.3、0.8、0.5 等）。可以通过大电流（在幅值和时间周期上）实现器件的硬切换（二进制切换），而通过在短时间步长内施加小电流，则可实现软切换（多级切换）。

忆阻器的主要特性包括：
(i)其纳米尺寸(a)适用于高密度，且可实现(b)功耗更低的器件。
(ii)其记忆特性适用于纳米计算。
(iii)其制造工艺更简单、更便宜，因此可实现低成本生产。
(iv)固有的缺陷容忍性使得忆阻器交叉阵列因其(a)简单性、 (b)灵活性、(c)可扩展性以及(d)最大密度而具有吸引力。

小鼠脑模拟在实时情况下需要求解天文数字量级的耦合偏微分方程。能够应对这种巨大工作负载的数字计算机将需要一个小城市的规模，为其供电则需要多座专用核电站。忆阻器可以做得非常小，并且其功能类似于突触。利用忆阻器，我们将能够构建出可置于鞋盒中的模拟电子电路，并按照与大脑相同的物理原理运行（Vaidyanathan et al.,2017a,b,c）。

3.3 忆阻器的应用

近年来，由于忆阻器制造的实现及其潜在应用的展示，人们对忆阻器的研究产生了日益增长的兴趣。目前，研究正全面开展，致力于将忆阻器应用于计算机存储器、模拟电路、传感器和数字逻辑等领域。为了使设计工程师能够在设计探索过程中将忆阻器作为电路元件使用，必须提供可用的忆阻器模型。以下领域是与忆阻器相关的重要应用：
(i) 针对不同仿真工具的忆阻器建模
(ii) CMOS忆阻器混合技术
(iii) 忆阻器在可编程逻辑设计中的应用
(iv)忆阻器交叉阵列形成
(v)基于忆阻器的非易失性存储器设计与分析
(vi)人工智能
(vii)思维机器
(viii)人工神经网络实现
(ix)信号处理与控制系统
(x)细胞纳米尺度/神经网络（ CNN）
(xi) CNN通用机
(xii)模拟微处理器
(xiii)其他模拟和数字应用

4. 窗函数与非线性模型

本节包括非线性掺杂剂漂移的概念以及在非线性漂移条件下用于模型验证的窗函数。此外，我们将讨论提出的窗函数及其特性。下一部分包含非线性模型，包括对非线性效应的分析，并结合提出的窗函数的影响以改善结果。

4.1 窗函数概念

忆阻动力学通过多种解析模型进行描述，这些模型以线性（ Vaidyanathan 等，2017a,b）和非线性方式（Vaidyanathan 等，2017c； 王等人，2017）近似本征掺杂剂的动力学。另一方面，忆阻器有多种类型，其活性核心基于富氧的 TiO2薄膜（TiO2/TiO2+x)（普罗德罗马克等， 2010a,b））、银掺杂硅薄膜（Vaidyanathan 等，2015b）以及 TiO2溶胶‐ 凝胶溶液（Ouannas 等，2017a,b），而这类纳米离子系统的开关机制至今仍困扰着工程师（Boulkroune等，2016）。当假设产生的电场足够小时，线性掺杂剂漂移模型可以近似描述忆阻器的动力学。然而，该模型在边界 w < 0 或 w > D 处失效，其中 w 为掺杂区域宽度，D 为器件长度。这是由于非均匀电场的影响显著抑制了掺杂剂的漂移所致。

可以通过在状态变量变化率的漂移方程中引入适当的窗函数f(x)来考虑非线性掺杂剂漂移，即

$$
\frac{dx}{dt} = \mu \frac{R_{on}}{D^2} i(t)f(x)
$$

其中 μ是平均掺杂剂迁移率，i(t)为电流，Ron和Roff分别为活性区域完全掺杂和未掺杂时器件的总电阻。该窗函数对非线性掺杂剂进行建模

活性双层中的动力学，并根据器件宽度的坐标返回一个标量值w。因此，任何有效的窗函数都应满足以下条件（Prodromakis and Papavassiliou，2011）：
(i)应考虑器件顶电极和底电极处的边界条件。
(ii)应在器件的整个活性核心上施加非线性漂移。
(iii)线性和非线性掺杂剂漂移模型之间应存在连接。
(iv)应具有可扩展性，即可以获得一定范围的f max(x)，使得 0<f max(x) ≤ 1。
(v)应利用内置控制参数来调整模型。

4.2 文献中的窗函数

Joglekar 等人(2009) 提出了以下窗函数：

$$
f(x)= 1 −(2x −1)^{2p}
$$

其中 p 是一个正指数参数。

窗函数（2）确保在边界处零漂移，即 f(0)=f(1)= 0。当 p= 1 时，非线性漂移被施加在整个活性区域D 上；而当 p → ∞ 时，该模型类似于线性掺杂剂漂移。因此，目标 (i)、(ii)、(iii) 和 (v) 得以实现。然而，该模型的一个显著缺陷是，如果 w到达任一边界（w= 0或w= D），器件的状态将无法进一步调节。这被称为“终态问题”。

Biolek 等人 （2009）通过提出一种包含忆阻电流 i作为附加参数的替代窗函数来解决这一问题，即：

$$
f(x)= 1 −[x − sgn(−i)]^{2p}
$$

其中，当i)> 0时，sgn(i)= 1；当i ≤ 0时，sgn(i)= 0。正（负）电流对应于掺杂区域宽度的增加（减少）。当电流反向时，可使耗尽或饱和器件脱离终端状态。这通过在x= 0和x= 1处的陡峭过渡实现。该特定窗函数的特性实现了目标(ii)、(iii)和(v)，但在实现目标(i)和(iv)方面效果有限。

Strukov 等人 (2008) 提出了以下窗函数

$$
f(w)= w(D − w)/D^2
$$

这可以用状态变量表示为 f(x)=x −x²。当 w= 0 处于关断态时的边界条件得以解决，因为 f(x)= 0，但它也在器件主体上引入了非线性漂移。然而，该特定窗函数缺乏灵活性，且终态问题仍然普遍存在。值得注意的是，该窗函数实际上是

当 p设为 1 时，乔尔卡尔模型的一个缩放版本（缩放因子为 4）（Joglekaret al.， 2009）。

Prodromakis and Papavassiliou(2011)提出了窗函数

$$
f(x)=j[1 −[x −(0.5)^2+ 0.75]^p]
$$

这是对Strukov 等人（2008）提出的窗函数通过引入两个参数j和p以实现线性与非线性掺杂剂漂移模型之间的缩放和连接而进行的改进版本。j负责窗函数的垂直缩放，而p则支持横向缩放，两者均用于调制器件的有效迁移率。该模型确实比现有模型具有更高的灵活性，有助于描述具有不同动态特性的器件。在此情况下，边界问题和终端状态问题均得以克服。

第14章 用于电路设计的忆阻分数阶非线性模型

4.3 提出的窗函数

掺杂剂的非线性特性通常在两个极端情况下占主导地位（w → 0 和 w → D）。这可以通过一个在 x= 0.5 处对称的抛物线来建模（x 为掺杂区域的归一化宽度），其形式为

$$
f(x)= -Ax^2+ Bx+ c
$$

这里的三个常数A、B和C通过以下条件确定

$$
\left| \frac{df}{dx} \right| = 0 \quad \text{at} \quad x= 0.5, \quad f(0.5)= 1, \quad f(0)=f(1)= 0
$$

简单的计算表明 $ f(x)= -4x^2+ 4x $ 满足公式(7)，当 p= 1 时与 Joglekar和Wolf的窗函数一致，但仍有显著差异

$$
f(x)= 1 -(2x -1)^2
$$

展开公式（8）括号中的项得到 $ f(x)= 1 -(4x^2 -4x+ 1) $。显然，所有包含状态变量 x的项都可以在指数控制参数的影响下进行归类，从而生成一条曲线族。此外，在括号外引入 +1可确保f max(x)= 1。将控制参数作为指数的目的在于使描述掺杂剂动力学的窗函数 f(x)具备可扩展性和灵活性。尽管Joglekar和Wolf的 p参数在生成一组不同曲线方面是成功的，但它缺乏必要的可扩展性，即无法将 f(x)向上或向下缩放。受此观察启发，我们着手改进Joglekar和Wolf的窗函数，引入了一个可扩展性参数 j以使其更加可靠，即

$$
f(x)=j[1 -(2x -1)^{2p}]
$$

这里 j ∈R⁺。图12展示了控制参数j在不同取值下的影响。可以看出，当 j = 1 时，f(x)与Joglekar和Wolf的窗函数完全相同。所引入的控制参数j起着非常重要的作用，因为它允许窗函数向上和向下缩放，这意味着fmax(x)可以在 0 ≤fmax(x) ≤ 1或f max(x) ≥ 1范围内取任意值。此外， p 可以取任意正实数，从而提供了更大的灵活性。可以选择 p = 1、5 和 10 的值，在整个双层中施加明显的非线性漂移（图12），而较大的 p 值，例如 p = 100，则可以实现与线性掺杂剂漂移模型的连接。

利用窗函数在活性双层边缘返回零值，目前边界问题已得到解决，而掺杂剂在金属接触界面附近的漂移则被显著抑制。因此，如公式(9)所示的提出的窗函数满足所有先决条件，并且相较于文献中提出的功能（Prodromakis and Papavassiliou，2011），通过更清晰地理解参数j的取值，改进了现有模型的缺点，并实现了特定的可扩展性。

4.4 所提出的非线性模型结果

所提出的模型通过模拟单个忆阻器的响应进行了评估，该忆阻器具有相同的参数，仅初始边界位置不同，因为在所提出的窗函数中，边界处的漂移为零，因此任何磁通量值都无法使边界从x= 0位置移动。特别关注器件被驱动进入耗尽和饱和状态的情况，因为这些极端情况在现有模型中已被确认存在问题。

= 0.015 时的仿真曲线，V0= 1.5 V，T= 1.5 s，显示w 0（器件掺杂极小），窗函数中包含p= 5，j= 1)

我们的窗函数首先通过p= 5来在整个双层结构中施加非线性漂移。结果的I-V曲线如图13所示。从状态变量曲线可以明显看出，在边界区域附近，电荷掺杂剂的漂移受到抑制，如耗尽情况下的框1所示，即当w 0时的情况，因此边界永远不会超过w= 0，而在器件整体长度上则没有漂移抑制，如框2所示。饱和情况的状态变量响应如图14所示。由于该端附近的漂移也被抑制，第二个周期的最大边界位置小于第一个周期。

= 0.995 作为初始条件，显示 w D（器件几乎全长掺杂），窗函数中 p= 5，j= 1)

接下来，我们设置 p= 50以近似线性掺杂剂漂移模型，并通过施加相同的电压偏置来测试我们的窗函数的响应，如图15A所示。在1.66V正弦偏置方案下，器件受到的驱动稍强（见 图15B），但由于终端状态问题，器件始终处于饱和状态。因此，在第二种情况（图15B）中，忆阻器无法准确记忆通过它的电荷量，这现在也是一个问题，但可以通过应用更小的垂直缩放参数 j来克服，从而使漂移对状态变量变化率的影响减小，因此即使器件被更强地驱动，忆阻器现在也能够准确记忆通过的电荷量。

V0= 1.5 V，(B) V0= 1.66 V 和 T= 1.5 s，x(0)= 0.01，p= 50，j= 1)

我们模型的多功能性在图16A中得到展示，其中绘制了忆阻器模型在七种不同情况下的I-V特性曲线，对应的j= 0取值分别为0.1、0.4、0.7、0.8、0.9、0.99、0.995，同时将p设为50以模拟线性漂移模型。具有两个校准参数的优势在图16B中进一步显现，其中非线性模型针对所有12种组合

= 0.01，其中(A) j变化， (B) p和j变化)

对p= 1，5、10、50 和 j= 0.8、0.9、0.995 进行了仿真。提出模型的新颖之处在于，参数j负责窗函数的垂直缩放，而参数p则支持横向缩放，并且本质上调节器件的有效迁移率，这两个参数完全独立。因此，对于任意特定的线性度水平以及包含硬和软电流切换的多种应用，均可轻松选择参数值以实现可靠的忆阻响应。

由图16 可知，参数j和p的取值可有效避免终端状态问题，从而允许在器件上施加更高的驱动电压，并具备记忆该高电流值（通过的电荷）的能力。较小的j值可使带电掺杂剂在整个器件长度上的漂移更小，而较小的p值则能更有效地抑制从两端（金属层）向核心中心的漂移，如图 12所示。该窗函数确实比现有窗函数具有更高的灵活性，有助于描述具有不同动态特性的器件。

5. 窗函数比较

本节重点讨论频率‐电压关系以及相同参数对带电掺杂剂迁移率、器件长度等的依赖性

关到开电阻比。进一步将提出的窗函数与文献中的其他窗函数进行了比较，并分析了参数的作用，以避免器件出现终端状态问题。最后，我们将仿真结果与惠普实验室Prodromakis等人（2010a）报道的实验测量数据进行了比较，以验证该模型。我们提出的窗函数的显著改进验证了该方法的有效性，并表明其在未来设计中的重要性。

5.1 提出的WindowFunction与其他的比较

迄今为止提出的最佳窗函数，由Prodromakis 和 Papavassiliou （2011）给出，具有满足第4节中所述窗函数适用于非线性忆阻器建模的所有条件的优点。但该窗函数的问题在于其两个参数p和j在灵活性和缩放方面并非独立，即参数p同时提供了漂移的缩放以及线性与非线性模型之间的关联，而j是唯一的垂直缩放参数。因此，对于特定程度的非线性和缩放，应用合适的参数值较为困难。所提出的窗函数通过提供两个独立参数p和j分别用于灵活性（线性与非线性模型之间的关联）和缩放，克服了这一问题。现在，针对特定程度的非线性和缩放，设定p和j的值变得非常清晰且容易，如图17所示。

这从 图16 中可以明显看出，所提出的窗函数在参数 j和 p的取值上相较于 Prodromakis 等人（2010a）提出的窗函数更具清晰性。这使我们能够根据应用领域对模型进行建模，即根据使用该模型的电压和频率范围，以及特定用途进行建模。

由普罗多马基斯(B)提出，其中p= 1、2、3、5，以及j= 0.2、0.4、 0.6、0.8)

5.2 模型验证

将带有提出窗函数的非线性模型的 I-V特性与惠普实验室提供的数据进行比较，这些数据是首个以器件形式制造的忆阻器的实测数据。相同的数据至今仍被用于各种工具中所提出模型的验证。 图18 展示了在保持物理参数、驱动电压幅值、波形和频率相同的情况下（如表1所示），所提出模型结果与标准数据的比较。 表1 列出了窗函数和模型规格，用于将仿真数据与标准数据进行比较（表2 和 3）。

显然，从图18 可以看出，提出模型的输出响应与标准数据具有良好的兼容性。通过设置缩放参数值j= 0.9，已克服终端状态问题；通过

设置p= 1，已克服其他非线性效应和边界效应问题。驱动电压为 v(t)= V₀ sin(2πft); V₀= 1V，周期

T= 1s，关到开电阻比 β= 50。开态电阻 Ron= 200 Ω和掺杂离子迁移率 μ= 10⁻¹⁴ m²/V·s，器件宽度为 D= 5纳米，初始归一化边界位置为x₀= 0.001。因此，第二个参数 j作为可扩展性参数，在窗函数中的作用是合理的，通过使用 j= 0.9 代替 j= 1，实现更大的缩放，从而克服“终端状态问题”，如 图19所示。在正半周期和负半周期响应中的对称性得以观察到。

6. 结论

本研究提出了一种用于忆阻器建模中非线性效应的新颖窗函数。忆阻器已在超大规模集成电路设计的多种工具中进行了建模，包括考虑了非线性效应，但迄今为止，仅有线性模型可用于MATLAB。由于忆阻器是仿生技术和人工智能的新方向，因此在MATLAB中同样需要非线性模型和 BCM模型。在本文提出的非线性模型中，我们同时考虑了非线性效应和边界效应。