基于冯诺依曼计算架构的计算机平台工作时,数据会在计算单元和存储单元之间来回切换。这种存算分离的架构造成了功耗的增加以及数据处理缓慢等一系列问题,这些问题被称为冯诺依曼瓶颈。与传统的冯诺依曼计算架构相比,人脑在信息处理时是存算一体的模式,因而具有低功耗和高效率等优势。因此新一代微纳电子器件的研究有望能够在硬件层面上模拟人脑神经元和突触的行为,从而降低功耗提高运算速率。忆阻器因为与突触和神经元的特性相似,受到了广泛关注。人脑的突触可以根据神经元与突触之间的一系列电位变化改变权重值来进行计算与存储,而忆阻器也可以在外电场的作用下改变电导值以实现数据存储。其中,基于金属离子氧化还原机制的电阻开关忆阻器由于其高运行速度、低功耗、高耐久性和优异的保持特性,被誉为未来神经形态器件中的最有前途的器件之一。其工作原理是在外加电场作用下活性金属发生氧化还原反应形成导电细丝进而调节器件的电导状态。器件运行时,金属离子的迁移与人脑中神经突触间钙离子的迁移、神经递质的传递等一系列活动极其相似,因此可以通过使用忆阻器模拟人工神经突触实现类脑神经网络计算。忆阻器中间的绝缘层可分为无机材料（如Ti OX,Ta Ox,Hf Ox等）或者有机材料（PVP,PEO,PVA等）,其中有机材料具有易于制备加工、易于改性、生物相容性好、开启电压低等优点。然而,在以往报道的金属离子基有机忆阻器中,大部分有机忆阻器虽然能够实现电阻态的高低转变,但是很难对器件进行多重电导态的调控。同时器件在不同的电阻态下保持性较差导致易失性较强,因而无法较好的模拟人脑突触相应性能,难以用作推理运算。本论文中,研究内容主要是改进忆阻器件易失性以及器件难以进行多重电导态调控的问题,通过控制金属离子的迁移与氧化还原过程来改进器件的性能,能够模拟出人脑的突触可塑性行为,以应用于类脑神经计算,对离子基忆阻器件的研究与改良提供了有效的思路。具体内容如下:（1）对离子基忆阻器件进行多重电导态的调控,模拟突触可塑性:本实验通过在羧化壳聚糖聚合物中掺杂少量导电聚合物PEDOT:PSS,改善羧化壳聚糖的离子电导率与金属导电细丝的形貌及形成位置,实现了对金属氧化还原过程的调控。器件运行时,介质层内均匀分布的导电细丝使得焦耳热的积累影响被大幅度减弱。同时器件展现出良好的保持性与非易失性,能够进行多重电导态的调节并且其电导态的改变是高度线性的,实现稳定的长期增强与长期抑制的功能,可以模拟出人脑突触可塑性,实现类脑神经计算。（2）改进离子基忆阻器件非易失性,实现大范围的电导态改变:本实验通过选用水溶性的羧化壳聚糖与聚乙烯醇共混同时掺入无机盐来对聚合物薄膜改性。最终实验结果表明,此方法可以提高聚合物的离子电导率,降低器件运行时的开关电压。同时聚乙烯醇的加入使得在器件运行时聚合物分子对于金属离子的迁移起到抑制的作用,并将金属原子束缚住,提高器件的稳定性。该器件能够实现大幅度电导态动态调节,出色模拟大脑中突触的可塑性。