基于结晶度调控HfO2忆阻器的物理储层计算在PCB智能制造中的应用研究

《Advanced Intelligent Systems》：Physical Reservoir Computing for Smart Manufacturing of PCB Using Crystallinity-Controlled HfO2 Memristor for Reservoir

本文推荐一种基于结晶度调控HfO2忆阻器的物理储层计算（RC）新方法，用于印刷电路板（PCB）制造过程中的缺陷检测。该方法通过退火工艺调控HfO2薄膜的晶界结构，诱导挥发性电化学金属化（ECM）行为，构建具有短期记忆特性的低功耗RC系统。在PCB缺陷分类任务中取得86.3%的准确率，为边缘智能制造提供了硬件友好的解决方案。

　　

1 引言

制造业面临效率提升与缺陷分析的严峻挑战，传统人工检测和集中式自动化系统存在效率低、成本高、易出错等问题。随着电子产品复杂度增加和元件尺寸缩小，常规检测方法难以实现精确缺陷识别。虽然基于卷积神经网络（CNN）的方法在PCB缺陷检测中准确率超过90%，但需要GPU服务器等高性能计算设备，存在功耗高、延迟大、数据安全风险等问题。边缘计算通过本地化数据处理能够显著提升响应速度并降低安全威胁，但需要轻量级计算架构。

回声状态网络（ESN）作为递归神经网络（RNN）的一种变体，具有训练快速、擅长处理时序依赖等特点，特别适合实时处理场景。然而传统数字实现的ESN存在功耗和硬件成本限制。忆阻器基储层计算系统利用忆阻器的内在并行性、可扩展性和超低功耗特性，为边缘计算提供了新思路。本研究通过调控Ag/HfO₂/Pt忆阻器中HfO₂层的结晶度，优化其挥发性开关特性，构建用于PCB缺陷分析的物理RC系统。

2 结果与讨论

2.1 系统概念

PCB制造过程包含钻孔、铜沉积与蚀刻、分层检测等环节，缺陷类型主要包括开路、短路、铜残留、鼠咬、针孔、毛刺等。传统人工检测易产生误判且人力成本高，而CNN方法需要高性能计算设备。本研究提出的忆阻RC系统仅需简单的两端忆阻器件，硬件复杂度显著低于CNN模型，可实现制造过程的实时反馈控制。

2.2 结晶度调控的HfO₂忆阻器开关特性

通过调节后退火温度（原始态至600°C），HfO₂忆阻器的开关特性从渐变开关转变为阈值开关。原始态器件呈现渐变开关行为，符合陷阱辅助空间电荷限制传导（SCLC）机制；400°C退火后出现明显阈值电压（V_T）和挥发性开关；500°C时V_T降低并出现间歇性电流振荡；600°C器件表现出高度可重复的挥发性，开关耐久性超过10,000次。

结构表征显示，随着退火温度升高，HfO₂薄膜从非晶态转变为单斜晶相，晶粒尺寸和表面粗糙度增加，晶界连通性增强。 grazing incidence X射线衍射（GIXRD）在28.4°、31.6°等位置出现单斜HfO₂特征峰。这种微观结构变化为Ag⁺离子沿晶界迁移提供了通道，促进了电化学金属化（ECM）过程。

开关动力学分析表明，600°C退火器件的延迟时间（τ_d）与偏压呈指数关系，符合场辅助成核理论。配对脉冲促进（PPF）测量显示器件在10μs内具有明显的短期可塑性（STP），为RC应用提供了衰减记忆窗口。能耗测算显示单个忆阻器功耗仅6μW，显著低于传统CNN方案。

2.3 基于HfO₂忆阻器的物理RC应用

研究构建了包含PPF输入可塑性和磁滞激活函数的泄漏ESN架构。在MNIST手写数字分类任务中取得91.66%的准确率，宏观F1分数0.9138。在Mackey-Glass时间序列预测中，磁滞+PPF的RC模型优于传统ESN和自回归（AR）模型。

针对PCB缺陷检测的DeepPCB数据集实验表明，该RC架构在六类缺陷分类中达到86.3%准确率，宏观ROC曲线下面积（AUC）为0.9742。其中铜缺陷（0.996）和针孔（0.986）识别效果最佳，形状相似的短路（0.969）、开路（0.968）等类别也保持较高性能。与典型微型机器学习（TinyML）CNN相比，该方案能耗降低三个数量级（0.016–0.063μJ/次推理），适合边缘部署。

3 结论

结晶度调控的HfO₂忆阻器通过晶界工程实现了可编程的动态特性，为物理RC提供了理想的衰减记忆和非线性转换功能。结合PPF和磁滞激活的RC架构在PCB缺陷检测中展现出竞争优势，为智能制造提供了一条低开销、高能效的技术路径。

4 实验方法

Ag/HfO₂/Pt忆阻器采用电子束蒸发沉积Pt底电极（20nm）、原子层沉积（ALD）生长12nm HfO₂、蒸发Ag顶电极（20nm）的工艺制备。电学表征使用Keithley 4200-SCS系统，结构分析采用场发射扫描电镜（FE-SEM）、原子力显微镜（AFM）和GIXRD完成。