研究进展：二维忆阻器阵列与硅选择器的异质集成，存内计算硬件 | Nature Communications

本文介绍了新加坡国立大学的研究团队在Nature Communications上发表的一项研究，他们开发了一种新型的存内计算硬件系统，该系统通过将二维二硒化铪（HfSe2）忆阻器与硅选择器进行异质集成，解决了传统忆阻器交叉阵列在尺寸、潜行电流和外围电路集成方面的挑战。研究团队构建了一个32×32的单选择器单忆阻器（1S1R）阵列，该阵列显著降低了潜行电流，并实现了89%的成品率。此外，该系统在能量效率和响应时间上优于现有的2D材料基忆阻器。通过时域检测电路和全硬件实现的二进制卷积神经网络（CNN），该系统在模式识别任务中达到了97.5%的准确率，展示了其在人工智能应用中的潜力。