‌记忆电阻器（Memristor）是一种具有记忆功能的非线性电阻器，它能够记忆自身的历史状态，即使在没有电力供应的情况下也能保持这种状态。

早在37年前，美国加州大学伯克利分校的华裔科学家蔡少棠教授，就从理论上预言 了记忆电阻器的存在，但直到才把它真正研制出来。

华裔科学家37年前理论预测成真。基础电子学教科书列出了三种基本的无源电路元件：电阻器、电容器和电感器。早在1971年，美国加州大学伯克利分校的华裔科学家蔡少棠教授就从理论上预言了忆阻器的存在。忆阻器实际上就是一个有记忆功能的非线性电阻器。蔡少棠发表的论文《忆阻器：下落不明的电路元件》提供了忆阻器的原始理论架构，推测电路有天然 的记忆能力，即使电力中断亦然。简单说，忆阻器是一种有记忆功能的非线性电阻。通过控制电流的变化可改变其阻值，如果把高阻值定义为“1”，低阻值定义为“0”，则这 种电阻就可以实现存储数据的功能。

虽然这一预测提出已近40年，但一直无人能证实这一 现象的存在。来自惠普实验室下属的信息和量子系统实验室 的4位研究人员，最近证实了忆阻现象在纳米尺度的电子系统中确实是天然存在的，他们以《寻获下 落不明的忆阻器》为论文标题来呼应蔡教授的预测。在这样的系统中，固态电子和离子运输在 一个外加偏置 电压下是耦合在一起的。这一发现可帮助解释过去50年来在电子装置中所观察到的明显异常 的回滞电流 —电压行为的很多例子。蔡教授对这项研究成果感到兴奋，称“从来没想到”他的理论被搁 置37年后还能得到证实。研究人员表示，忆阻器器件的最有趣特征是它可以记忆流经它的电荷数量。 蔡教授原先的想法是：忆阻器的电阻取决于多少电荷经过了这个器件。也就是说，让电荷以一个 方向流过，电阻会增加；如果让电荷以反向流动，电阻就会减小。简单地说，这种器件在任一时 刻的电阻是时间的函数———或多少电荷向前或向后经过了它。这一简单想法的被证实，将对计算及计算机科学产生深远的影响。

有望制成更快更节能的即开型PC

记忆电阻半导体 忆阻器最简单的应用就是构造新型的非易失性随机存储器，或当计算机关闭后不会忘记它们曾经所处的能量状态的存储芯片 。研究人员称，动态随机存储器所面临的最大问题是，当你关闭PC电源时，动态随机存储 器就忘记了那里曾有过什么，所以下次打开计算机电源，你就必须坐在那儿等到所有需要运行计算机的东西都从硬盘装入到动态随机存储器。有了非易失性随机存储器，那个过程将是瞬间的，并且你的PC会回到你关闭时的相同状态。

研究人员称，忆阻器可让手机在使用数周或更久时间后无需充电，也可使笔记 本电脑在电池电量耗尽后很久仍能保存信息。忆阻器也有望挑战数码设备中普遍使用的闪存 ，因为它具有关闭电源后仍可以保存信息的能力。利用这项新发现制成的芯片，将比闪存更快 地保存信息，消耗更少的电力，占用更少的空间。

为开发模拟式计算机铺平道路

忆阻器还能让电脑理解以往搜集数据的方式，这类似于人类大脑搜集、理解一系列事情的模式，可让计算机在找出自己保存的数据时更加智能。比如，根据以往搜集到的信息 ，忆阻器电路可以告诉一台微波炉对于不同食物的加热时间。

当前，许多研究人员正试图编写在标准机器上运行的计算机代码，以此来模拟大脑功能，他们使用大量有巨大处理能力的机器，但也仅能模拟大脑很小的部分。研究人员称，他们能用一种不同于写计算机程序的方式来模拟大脑或模拟大脑的某种功能，即依靠构造某种基于忆阻器的仿真类大脑功能的硬件来实现。其基本原理是，不用1 和0，而代之以像明暗不同的灰色之中的几乎所有状态。这样的计算机可以做许多种数字式计算机不太擅长的事情———比如做决策，判定一个事物比另一个大，甚至是学习。这样的硬件可用来改进脸部识别技术，应该比在数字式计算机上运行程序要快几千到几百万倍。

研究人员表示，事实上，就可以用任何工厂来做这些东西，但是投资忆阻器电路设计要比建造工厂昂贵得多，而且，还没有忆阻器的模型，关键是要设计出必要的工具，并为忆阻器找到合适的应用。忆阻器需要多久才能应用于实际的商业器件，相对于技术问题而言， 可能更多的是个商业决策问题。研究人员预测，这种技术产品5年后才可能投入商业应用。

如今，美国惠普公司实验室的斯坦·威廉斯和同事在进行极小型电路实验时，终于制造出忆阻的实物模型。他们像制 作三明治一样，将一层纳米级的二氧化钛半导体薄 膜夹在由铂制成的两个金属薄片之间。这些材料都是标准材料，制作忆阻的窍门是使其组成部分 只有5纳米大小，也就是说，仅相当于人一根头发丝的1万分之一那么细。

科学家指出，只有在纳米尺度上，忆阻的工作状态才可以被察觉到。他们希望 这种新元件能够给计算机的制造和运行方式带来革命性变革。科学家说，用忆阻电路制造出的计 算机将能“记忆”先前处理的事情，并在断电后“冻结”这种“记忆”。这将使计算机可以反复 立即开关，因为所有组件都不必经过“导入”过程就能即刻回复到最近的结束状态。