对忆阻器件中电阻波动的自由能景观分析

为什么微小存储器件会像躁动的景观

现代数字设备越来越依赖既能存储信息又能协助计算的特殊存储形式。本文探讨了为何一种有望的候选器件——由相变材料碲化锗制成的“忆阻”存储——会表现出令人困惑的电阻闪烁。通过将这些波动视为探查材料内部看不见的自由能景观的窗口，作者揭示了原子结构如何随时间变化——以及这对未来类脑和内存计算技术为何重要。

从简单开关到躁动的原子

忆阻器件在电脉冲重排原子或磁矩时改变电阻，从而记住过去的信号。在相变存储中，短而强的脉冲会短暂熔化一小块材料，随后冷却成无序的玻璃态，表现出很高的电阻。这种状态可以稳定多年，但会缓慢演化，导致电阻漂移上升并发生波动。传统解释将此行为描绘为原子在两个构型之间跨越单一能垒的跳跃，像球在两座山丘间滚动。但随着器件缩小到仅含可数原子的体积，这种简化不再适用：即使微小的重排也会强烈影响电阻，材料的内部动力学变得远比简单的两态开关更丰富。

倾听纳米级玻璃中的噪声

研究人员设计了一种特殊器件，其中一条狭窄的碲化锗条带位于埋藏的微加热器之上。一次很短的电压脉冲会熔化最初结晶的材料的一小块，该区域随后淬灭成主导器件电阻的玻璃态。通过施加额外的可控加热脉冲，他们可以调节这一区域的玻璃体积。当玻璃体积较大时，电阻呈现连续的、带有典型“1/f”谱的噪声，暗示许多相互重叠的微观过程。随着他们逐步缩小玻璃区域，行为却发生了显著变化：电阻在少数离散电平之间跳变，每个电平周围都有围绕明确均值的快速小幅抖动。这表明器件在少数不同的结构构型之间切换，而不是平滑地波动。

用隐含状态绘制地形

为了解码这些跳变，团队使用了一种称为隐马尔可夫模型的统计工具。在该框架中，假定材料占据一系列隐含状态，每个状态对应一个特征电阻。模型从嘈杂的时间轨迹中推断系统在每一时刻最可能处于哪个状态以及它从一种状态跳到另一种状态的频率。通过在广泛的温度范围内重复这一分析，作者提取出每对状态之间的跃迁率随温度的变化。跃迁率显示活化行为，意味着在更高温度下越容易跨越能垒。然而，当他们拟合这些数据时发现，典型的“尝试频率”跨越了巨大的范围——超过16个数量级——且常常远低于典型的原子振动频率。这意味着除了单纯的能量能垒之外，还有其他因素在控制系统探索新构型的速度。

熵收窄了通道

为了解释这一点，作者从纯能量图景转向以自由能为基础的视角，后者同时包含能量和熵。在这种观点下，每个电阻状态对应高维景观中的一个“盆地”，其深度反映能量，宽度反映实现该状态的微观排列数量。从一个盆地到另一个盆地需要通过一个更窄的“鞍点”区域。通过使用标准的反应速率理论对跃迁率重新分析，他们将能量和熵的贡献分离开来。他们发现许多跃迁受到负熵贡献的主导：鞍点区域远比盆地窄。即使能量能垒并不大，这种熵瓶颈也会显著减慢跃迁速度，解释了为何小能垒仍然会产生缓慢、实验上可见的电阻跳变。

老化、漂移及其对未来电子学的意义

团队还研究了玻璃在形成后缓慢老化时噪声如何变化。在第二组实验中，他们在不进行强烈再加热的情况下创建了更小的玻璃区域，并观察到电阻轨迹中稀有的、突发的片段间跃迁，每个片段都有其内部噪声特征。隐马尔可夫分析表明，这些跃迁并非单调地向更高电阻进行；相反，系统以概率性的方式在崎岖的自由能景观中徘徊。总体上，这项工作描绘了相变存储单元作为微小玻璃系统在复杂且由熵塑形的地形中探索的图景。对于神经形态和内存计算的设计者来说，这意味着电阻漂移和噪声是源于底层景观的自然结果，而非简单缺陷。尽管这种波动会限制精度，但如果对景观有恰当理解和控制，它们也可能作为学习和概率计算中有用的随机性来源被利用。

引用: Walfort, S., Vu, X.T., Ballmaier, J. et al. A free energy landscape analysis of resistance fluctuations in a memristive device. Nat. Mater. 25, 643–650 (2026). https://doi.org/10.1038/s41563-026-02487-9

关键词: 相变存储, 忆阻器件, 电阻噪声, 能量景观, 玻璃态材料