目前,传统计算机的构架是冯诺依曼结构,其特点是计算与存储是分开的。然而,冯诺依曼结构的低效已经成为阻碍人工智能和机器学习发展的主要障碍之一。而新兴的忆阻器器件不仅具备体积小、能耗低的特点,同时具有模拟生物神经突触的功能,因此被广泛应用于存储、计算,以及各种模拟神经形态的器件中,打破了冯诺依曼架构的瓶颈。基于金属/绝缘体/金属(metal/insulator/metal,MIM)叠层结构的传统忆阻器通常需要约几伏的电压才能在不同的电阻状态之间切换。若能把忆阻器的工作电压尽可能的降低,将会对此类器件的发展产生重大影响。为了实现低功耗或增强器件灵敏度的目的,目前已经提出了一些方案来降低工作电压,包括给绝缘体掺杂杂质离子增加缺陷浓度、探索具有强大缺陷迁移能力的绝缘体材料以及集中电场。本论文基于上述背景,仅选用ITO薄膜一种材料作为忆阻器材料,研究了横向结构及双层纵向结构两种忆阻器的阻变行为及器件在信息识别和记忆中的应用。本文的研究内容以及成果主要包括:(1)在基于ITO薄膜横向结构的忆阻器方面,电信号直接施加在单层ITO薄膜上,构成最简单的忆阻器结构。该器件需经历一个约5伏的电压,完成初始化过程后才具备了双极性阻变行为;不过在这样的结构下器件的电学性能不太稳定,置位和复位电压的波动范围非常大。随后分别验证了电极尺寸,电极之间间距等因素对器件性能的影响,辅助探究分析传导机理;最后结合薄膜的表征技术,论证了这一特殊结构器件的阻变行为产生的原因是电场作用诱导界面氧空位/氧离子的迁移。相较于MIM结构来说,该器件的制备工艺更加简单,但是器件性能的稳定性和可控性仍存在很大的问题。(2)在基于双层ITO纵向结构忆阻器方面,器件在初始化过程后,显示出约14 mV的超低set电压和约0.3 V的reset电压,并且其耐久和保持等电学性能非常稳定。通过对器件的表征测试,得出结论超低的工作电压可能由两个方面贡献:一是上层电子束蒸发沉积的ITO中疏松多孔的结构;二是在初始化过程中氧浓度梯度的形成。随后在基于ITO/ITO器件的优异电阻转变特性的基础上,通过施加超低的电脉冲刺激来实现人脑神经突触功能和图像记忆功能。如此小的工作电压是目前氧化物基忆阻器中报道的最小值。本论文所设计的忆阻器只用了一种商用化的透明电极材料ITO,由于它既是阻变材料也是电极材料,因而与传统的忆阻器MIM结构相比简化了器件结构;同时还大幅度降低了操作电压,并用极小电压模拟了器件的神经突触和图像记忆的人脑功能。因此本工作不仅为简化器件结构和膜沉积工艺提供了思路,而且为开发具有低功耗的透明忆阻器做了有效的引领和指导。