随着大数据时代的不断发展,人工智能、万物互联等技术在不断的进步,人们对计算速度更快、能耗更低的计算网络或设备的需求也在随之增加。大脑解决复杂问题的能力激发了许多研究人员对其处理信息的功能和学习机制的研究兴趣,人工神经网络就是对大脑处理问题功能的研究结果。而忆阻器作为一种新兴的纳米级电子元件,它的电导可调性可以模拟生物系统中突触的可塑性,同时它还具有集成度高、能耗低、结构简单等优点,因此被广泛的应用于人工神经网络中。然而现阶段要实现基于忆阻器的神经网络的应用还是有一些问题存在的,如在规模化集成中忆阻器器件间性能的不稳定性、电导漂移现象、忆阻器阵列中泄漏电流导致的串扰问题等,因此,如何解决这些问题,成了现阶段关于忆阻器研究的一种重点。此外,储备池计算系统作为循环神经网络的一种扩展框架,具有计算速度快,能耗低等优点。利用合适的忆阻器作为储备池计算系统中的储备层,为类脑神经计算更快、更有效的执行复杂的计算提供了非常可行的方案。因此本文主要通过对基于Nb Ox忆阻器的制备与性能研究,来挑选出可适用于储备池计算（RC）系统的器件,并完成相关的计算任务。主要研究内容和成果如下:1.通过调整在制备工艺过程中的功率,反应溅射时工作气体中反应气体的占比以及顶部电极等条件,成功制备出了基于Nb Ox的模拟开关型忆阻器、数字开关型忆阻器和具有阈值开关行为的忆阻器,并且得到了一种基于Ta/Nb Ox/Pt的具有稳定自整流特性的模拟开关型忆阻器,该器件具有很好的循环稳定性和耐久性,同时在90℃的条件下依然能够保持器件的自整流特性。2.进一步研究了基于Ta/Nb Ox/Pt忆阻器的突触模拟功能。通过对该器件的性能分析,发现了该忆阻器的电导变化的非线性规律以及它的多态存储功能。同时还证明了器件短期记忆特性以及双脉冲增强和双脉冲抑制特性。3.利用基于Ta/Nb Ox/Pt忆阻器的短期记忆特性与动态时间响应特性,成功将这个忆阻器作为储备层应用于RC系统中。此外,该RC系统还通过连入一个可调控的掩码矩阵来控制基于忆阻RC系统的并行个数,不需要忆阻器阵列只用单个的器件就能够实现对储层状态的调整。4.利用基于Ta/Nb Ox/Pt忆阻器的RC系统成功完成了对厄农映射（Hénon map）时间序列预测和Mackey-Glass时间序列预测,最后还利用该系统完成了对对手写数字集MINST的图像识别任务。通过调控矩阵掩码的宽度M调控忆阻RC系统的并行个数,使系统到达最佳的识别状态,最终对图像的识别率可达到93%。此外,通过改变温度条件还发现了该系统在90℃的条件下,仍然能正常工作,识别准确率可达到89%。