憶阻器陣列系統

     單個憶阻器可表現出阻值隨著通過電荷數量而變化的特性，而此特性與真實神經系統中的突觸原理類似。而且，當今的人工神經網絡也有基于數學模型y=x1*w1+x2*w2+…xn*wn的形式，而電流電壓的關系也存在電阻分壓表現為乘法而多路電流匯集體現加法。因此將多個憶阻器與一些控制元件可集成為一個模擬神經網絡存內計算單元。而且因為憶阻器與神經元中突觸的原理類似，基于生物神經元的電學特性也可設計全新的智能硬件。如下圖為一個基于HH神經元模型而設計的神經形態硬件電路，其中使用了電容電感電阻憶阻器。

     借由此種電路，一方面在電路層面可設計出一種新型的計算器件，而另一方面因其電學信號與真實神經元相同，二者可實現通信。如下圖

      雖然此種方式可使用電路還原很多神經元信號的細節，但是在宏觀層面上看來，其中的電容電感電阻構成了一個難以控制的動力學系統。若使一個基于此種電路的大型神經網絡正常運行，其中的零點極點需要極其復雜的調整。因此基于神經網絡的數學模型，一個憶阻器陣列只含有憶阻器和場效應晶體管兩種元件。其中，憶阻器作為一個模擬儲存單元，而場效應晶體管作為電流控制元件。當此陣列在寫入操作時，場效應晶體管根據數據地址導通，高電壓（約1V）脈沖流入對應的憶阻器單元進行編程。當此陣列在模擬計算操作時，場效應晶體管根據數據地址導通，不同電壓的低壓（小于0.2V）流過憶阻器以達到計算并不改變其阻值的目的。

如下圖為一個憶阻器陣列，其中每個單元含有一個憶阻器和一個場效應晶體管，因此此種形式被稱為“1T1R”型。