对神经形态计算的浓厚兴趣刺激人们研发出一系列全新的存储设备，这些设备可以复制生物神经元和突触功能。最近，一篇回顾该领域现状的论文对六种最有前景的技术进行了盘点和解读。
这篇题为“用于神经形态计算的新兴存储器件”的论文发表在1月份的《先进材料技术》（Advanced Materials Technologies）上。论文中，作者阐述了摆脱晶体管和冯·诺依曼架构转而采用与尖峰神经网络更紧密结合的技术的优势，尖峰神经网络是神经形态计算的基础。论文的目的是在神经形态计算中找出比CPU、GPU、DRAM和NAND等传统设备更快、更节能的设备。
论文作者盘点和介绍的六种存储器件包括电阻式记忆存储器（ReRAM）、扩散式忆阻器、相变存储器（PCM）、非易失性磁性随机存储器（MRAM）、铁电场效应晶体管（FeFET）和突触晶体管。下面我们具体地看一下。
ReRAM
ReRAM是基于电阻式随机存取的一种非易失性存储器。换句话说，关闭电源后存储器仍能记住数据。ReRAM可以由许多化合物制成，最常见的化合物是各种类型的氧化物。据论文作者介绍，ReRAM的主要优势在于其可扩展性、CMOS兼容性、低功耗和电导调制效应，这些优点让ReRAM可以轻松扩展到先进工艺节点，能够进行大批量生产和供应，并且能够满足神经形态计算等应用对能耗和速度的要求，所有这些都使ReRAM成为下一代存储器的主要竞争者。
ReRAM对神经形态计算的适用性与忆阻器根据施加电压的历史改变其状态的能力有关。由于这种能力，ReRAM具有生物神经元和突触的时间特性和模拟特性。基于ReRAM技术的人工神经突触是一种非常有前途的方法，可用于在神经形态计算中实现高密度和可缩放的突触阵列。不过，论文作者同时也指出，让这些忆阻器更均匀以便让它们可靠地运行仍然是一个挑战。
根据2017年的报道，由Wei Lu领导的密歇根大学电气工程和计算机科学系的一个小组演示了一个神经形态原型装置，该装置在交叉网络中使用了排列的忆阻器。作为Crossbar的首席科学家，Lu正在帮助实现该技术的商业化。Crossbar是他在2010年与他人共同创立的公司，目前正在与客户合作向市场推出Crossbar ReRAM解决方案。Crossbar的ReRAM技术是基于一种简单的器件结构，使用与CMOS工艺兼容的材料和标准的CMOS工艺流程。它可以很容易地在现有的CMOS晶圆厂中被集成和制造。并且由于是低温、后端工艺集成，Crossbar的ReRAM能够实现构建3D ReRAM存储芯片。除了Crossbar外，东芝、Elpida、索尼、松下、美光、海力士、富士通等厂商也在开展ReRAM的研究和生产工作。在制造方面，中芯国际（SMIC）、台积电（TSMC）和联电（UMC）都已经将ReRAM纳入自己未来的发展线路图中，格罗方德（GlobalFoundries）等其他企业对于ReRAM技术较为冷淡，正在开展其他内存技术的研发工作。
