基于氧化钒忆阻器的混沌边缘计算

近日，北京大学集成电路学院杨玉超教授团队在神经形态计算领域取得重要进展。团队从底层器件的物理动力学出发，提出了一种基于氧化钒（VO₂）的局部有源忆阻振荡器，该器件可在混沌边缘工作，通过简单信号注入即可实现分频、随机振荡、频率锁定等多种非线性动力学行为，为未来高能效、高智能的神经形态计算芯片提供了全新思路。

相关成果发表于国际权威期刊《国家科学评论》（National Science Review），该论文第一作者为北京大学集成电路学院博士生王洋昊，通讯作者为张腾助理研究员与杨玉超教授。

图 1. 忆阻器局部有源动力学理论

研究团队巧妙利用VO₂材料在莫特相变温度附近的电导与热导双重非线性转变，制备出工作在“混沌边缘”的局部有源器件。该器件能够放大微小波动，产生自振荡和复杂响应，兼具稳定偏置与放大波动的特点。当忆阻器处于边缘混沌区域时，能以极高效率处理信息，无需依赖复杂电路结构。

团队进一步构建了精确的热力学紧凑模型，首次将材料的物理非线性、电路动力学与信息处理能力统一起来，为忆阻器与神经形态计算的研究开辟了新的理论方向。实验中，研究团队将VO₂器件偏置在“临界混沌边缘”状态，注入不同频率的微小信号，观察到器件可表现出分频、随机脉冲、频率锁定等多种动态模式，这些行为均能通过理论模型精确预测与仿真。

图 2. 混沌边缘器件的注入调控行为

更引人注目的是，团队证明单个在混沌边缘区域工作的VO₂器件具有显著的频率敏感特性，能够直接进行频域特征提取。在语音识别任务中，仅凭单个器件的动力学响应即可实现92%的识别准确率，其性能相当于一个具有频域预处理功能的两层卷积神经网络。这意味着，单个混沌边缘器件可完成传统计算中需大量无源器件才能实现的任务，并额外具备了类似生物耳蜗的语音频域预处理功能。

图 3. 混沌边缘振荡器的频域特征提取能力

此项研究的突破性意义主要体现在三个方面：首先是首次将目光从传统局部无源忆阻器转向局部有源忆阻器，为神经形态计算提供了新范式；其次，通过物理连续时间动态处理信息，突破了传统数字计算的时间步长限制，实现了计算模式的创新；最后，该研究路线能够显著降低计算能耗，振荡器不需要额外的功耗来提取频率特征。

表 1. 不同物理计算方法的对比

因此，该研究为构建下一代高能效、具备动态学习能力的神经形态芯片奠定了重要的理论与实验基础。