如果說到鋰離子電池與計算機有什么關系，那么小編最先想到的是鋰離子為計算機提供電能，如果我說現(xiàn)在鋰離子電池可以被用作計算機高精密電路中的一個重要的電子元器件，你會感到吃驚嗎？是的，小編剛開始拿到這篇文章的時候，也是不敢相信自己的眼睛。鋰離子電池作為一個看上去缺少技術含量的儲能設備，居然可以用在電子計算機的高精密度電路之中，著實讓人摸不著頭腦。小編心里只有一句話相對鋰離子電池說：你咋不上天呢？

　　近年來，隨著計算機技術的快速發(fā)展，特別是人工神經(jīng)網(wǎng)絡技術的發(fā)展，對大規(guī)模信息存儲的需求越來越強烈，但是傳統(tǒng)的存儲元器件，例如SRAM和DRAM在存儲的過程中采用的為串行操作的邏輯架構，因此不僅導致存儲的效率低，還大大增加了信息存儲過程中的能耗。為了克服傳統(tǒng)存儲器的缺點，我們可敬的工程師們開發(fā)出了交叉存儲器，該存儲器顯著的特點就是采用了并行操作的邏輯架構，提高了存儲器的工作效率，降低了信息存儲的能耗。

　　最近有報道顯示，基于絲狀金屬氧化物憶阻器的交叉陣列結(jié)構的神經(jīng)網(wǎng)絡原型機，已經(jīng)能夠經(jīng)過訓練，進行簡單的圖形辨識和文件分類。但是這些存儲器目前還存在諸多的局限性，影響了這些存儲元器件的正確性和能耗效率等，首當其沖的就是嚴重的寫入噪音，寫入非線性和過高的開關電壓和電流。

　　為了克服目前的交叉存儲器的局限性，美國Sandia國家實驗室的ElliotJ．Fuller研發(fā)了一款基于鋰離子電池結(jié)構的晶體管（LISTA），LISTA是一種全固態(tài)非揮發(fā)性的氧化還原的電阻開關晶體管，其作用機理是利用在加在LISTA兩端的電壓驅(qū)動鋰離子在正負極之間嵌入和脫出，從而達到控制晶體管開關的目的。相比于其他類型的存儲器，LISTA的固體電解質(zhì)與導電通道之間的能量壁壘很低，Li＋在LiCoO2中的擴散的活化能只有0．25eV左右，Li＋在LiCoO2中擴散，小電流狀態(tài)下，過電勢最低只有5mV，在大電流下也只有100mV，因此僅需要很小的電壓就可以控制其的開關狀態(tài)。更為重要的是，在LISTA工作過程中不會像其他的存儲器一樣發(fā)生很大的相變，鋰離子在LiCoO2中擴散僅會輕微的改變其晶體結(jié)構。因此相比于其他類型的存儲器，LISTA具有低寫入噪聲，線性操作和低操作電壓和電流等優(yōu)點，可以極大的降低存儲器功耗，非常適合應用在人工神經(jīng)網(wǎng)絡之中。

　　LISTA的結(jié)構如上圖所示，在SiO2的基板上覆蓋了一層Pt和漏電極，并與一層120nm厚的LiCoO2導電通路相連，中間是一層400nm厚的LPON固體電解質(zhì)，另一側(cè)的覆蓋了一層20nm厚的Si柵電極，其工作原理是通過在柵電極上施加電壓，驅(qū)動Li＋從導電通路經(jīng)過固體電解質(zhì)向柵電極遷移，從而控特種電通路中Li＋的濃度，在Li＋遷移出LiCoO2的過程中，LiCoO2完成了從絕緣體到金屬導體的轉(zhuǎn)變，達到控特種電通路導電性的目的。選用LiCoO2的主要原因是其在固體電解質(zhì)中穩(wěn)定性好，并且具有良好的循環(huán)性能。LISTA的開關狀態(tài)可以保持數(shù)周甚至是數(shù)月，雖然最終會由于自放電導致開關關閉，但是可以通過增加擴散勢壘的方式得到很好的控制。實際上，目前的技術已經(jīng)可以將LISTA的自放電率控制在＜3％／年的水平，而神經(jīng)網(wǎng)絡一般也不會要求存儲時間達到10年，一般在存儲網(wǎng)絡中的信息每星期都會被重寫，所以目前LISTA的性能已經(jīng)能夠滿足現(xiàn)有的要求。讀寫測試表明，在10％的容量下，LISTA的使用周期可達100000次，基本滿足人工神經(jīng)網(wǎng)絡的需求，并且通過提高正極的晶體度和降低厚度，可以進一步的提升LISTA的循環(huán)性能，而且在目前的存儲元器件中LISTA具有最高的信噪比，非常適合應用在人工神經(jīng)網(wǎng)絡之中。

　　ElliotJ．Fuller的工作為人工神經(jīng)網(wǎng)絡所需求的低功耗、低噪音和高線性存儲器的研發(fā)開創(chuàng)出了一條的新的思路，利用了Li＋在LiCoO2中擴撒壁壘低，活化能低的優(yōu)勢，開發(fā)出了具有極低功耗的高性能存儲器LISTA，極大的提高了大規(guī)模信息存儲的能耗效率，有助于人工神經(jīng)網(wǎng)絡的發(fā)展，也是鋰離子電池為人類科技發(fā)展所作出的又一大貢獻。

　　參考文獻：

　　Li－IonSynapticTransistorforLowPowerAnalogComputing，Adv．Mater．2016，ElliotJ．Fuller，et．a(chǎn)l