过去几十年来,集成电路的高速发展带来信息技术的巨大变革,以硅基互补金属氧化物半导体（Complementary metal oxide semiconductor,CMOS）技术为核心的集成电路发展遵循摩尔定律,随着摩尔定律逼近其物理极限,基于冯·诺依曼体系架构的传统计算技术有着较大的局限性。这种情况促使人们研究不同的处理信息方式,例如使用尖峰神经网络（Spiking neural network,SNN）,它引入了认知特征。为了直接在硬件中实现SNN,必须开发两个基本模块:人工神经元和突触。然而,完全基于CMOS电路的人工神经元和突触包含复杂的辅助电路,在大规模集成上能量效率和集成密度相对较低。相比之下,忆阻器具备优异的神经特性、简单的结构以及低功耗等特点,基于忆阻器或者忆阻器与CMOS电路相结合构建人工神经元和电子突触,可以大幅降低有源元件的使用,从而降低功耗。对此,本文中制备了非晶硅（amorphous silicon,a-Si）忆阻器,a-Si器件可以容易地集成到硅基CMOS电路中,围绕a-Si忆阻器的人工神经元和电子突触应用展开了以下研究:1、基于a-Si薄膜制备了Ag/a-Si/Pt阈值开关忆阻器。其开启速度快至20 ns,关闭速度约为16 ns,该器件的开关比高达10~5。基于银离子在电解质中的漂移和扩散过程,建立了一个开关模型来解释Ag/a-Si/Pt器件的阈值行为。将器件与RC电路相连,以构建一个带泄漏整合发放（Leaky integrate-and-fire,LIF）人工神经元,能够完成超过8×10~5次尖峰触发,实现了生物神经元的基本功能,如阈值驱动放电、全有或全无尖峰和不应期行为。通过改变输入脉冲的幅值和突触电阻的阻值,分别模拟了强度调制频率响应和电导调制频率响应。针对基于忆阻器的人工神经元通常仅作为输出终端在神经网络中使用的情形,基于Morris-Lecar模型设计了神经元电路,作为LIF人工神经元的下级输出,实现人工神经元的二级互联。该电路无需额外放大电路以及比较器,实现了神经元间的二级信息传递及信息筛选,大幅降低了传输功耗。这一研究为硅基器件在人工神经元的应用上提供了一种新途径。2、通过Ag掺杂a-Si薄膜改善器件的突触仿生特性,制备结构为Ag/a-Si:Ag/Pt的忆阻器。在不同的限制电流下,器件能实现阈值开关行为(＜10-4 A)到双极型阻变行为(10-3 A)的转变。阻变行为下,器件表现出低开关电压（0.1 V/-0.04 V）以及高电阻比（10~7）。在不同的脉冲激励下对器件进行电导调制,模拟了生物突触功能,如尖峰时间依赖可塑性,双脉冲易化。建立开关模型进一步解释器件阈值开关行为到双极型阻变行为的转变机制。本研究显示出a-Si忆阻器在构建电子突触上的应用前景。综上所述,本文基于非晶硅忆阻器的神经形态仿生应用研究在一定程度上为硅基器件在类脑神经系统的硬件实现上提供了新的见解,硅基忆阻器在人工神经元与电子突触的构建上展现出很高的应用潜力。