毕业论文课题相关文献综述
基于聚合物的突触型阻变存储器的设计与制备摘要 神经形态体系结构以其运算速度快、可缩放、能耗低等优点成为当前计算系统的发展方向。
阻变存储器中部分器件可以根据电刺激逐渐改变其电阻状态，能够表现出极好的突触行为。
此外，阻变存储器不需要编程支持就可以作为突触单元进行工作，这极大地满足了神经形态计算的要求。
本课题旨在研究基于聚合物的阻变存储器阻变特性和机制的同时，致力于使原本不具备突触特性的器件表现出特出特性，以此来研究该类阻变存储器满足表现突触特性的条件和模拟突触特性的内在机制。
关键词：阻变存储器、人工突触、聚合物、突触可塑性1 前言由于信息时代的数据爆炸，存储器正变得复杂，目前也遇到了当前的技术瓶颈。
为了存储更多的数据，强烈需要具有高速度和低能耗甚至柔性小体积的存储器。
在过去的几十年中，人们研究了不同种类的新兴存储器，如磁性随机存储器（Magnetic Random Access Memory, MRAM）、相变存储器（Phase Change Memory, PCM）、铁电随机存储器（Ferroelectric Random Access Memory, FRAM）以及阻变存储器等。
人脑包含了约1011个神经元和1015个神经突触，能耗则低于20 W，这比一个家用电灯泡的耗电量还低[1]。
而现有的神经网络则是基于互补金属氧化物半导体（Complementary Metal-Oxide Semiconductor, CMOS）技术，以机器学习为软件，以冯诺依曼结构（von Neumann Structure）为硬件实现的。
由于冯诺伊曼结构的瓶颈，存储器的数据处理速度有限，并且存储器件需要高功率和大空间[2]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
