Memristores Autorrectificadores para Computación Más Allá de CMOS: Mecanismos, Materiales y Perspectivas de...

Área de la Ciencia:

• Ciencia de los Materiales
• Ingeniería Eléctrica
• Ciencias de la Computación

Sus antecedentes:

• La Ley de Moore se está desacelerando y el cuello de botella de von Neumann causa problemas de latencia y energía.
• Se necesitan diseños más allá de CMOS para integrar memoria y cómputo.
• Los memristores autorrectificadores (SRM) combinan la conmutación resistiva con el comportamiento similar a un diodo para una computación eficiente.

Objetivo del estudio:

• Revisar los mecanismos, materiales y estrategias para los memristores autorrectificadores (SRM).
• Evaluar el rendimiento de los SRM para el despliegue a escala de matriz y aplicaciones.
• Analizar las vías de integración e identificar los desafíos para la adopción a gran escala de los SRM.

Principales métodos:

• Síntesis de los mecanismos de trabajo de los SRM.
• Revisión de materiales y estrategias estructurales para los SRM.
• Comparación de métricas de dispositivos que incluyen relación de rectificación, no linealidad, resistencia, retención, variabilidad y voltaje de operación.

Principales resultados:

• Los SRM exhiben conducción unidireccional, inhibiendo las corrientes de ruta de acceso sigilosas sin selectores externos.
• Los estados de conductancia ajustables, los bajos voltajes de operación y la rápida conmutación permiten operaciones vectoriales-matriciales eficientes, plasticidad neuromórfica y seguridad de hardware.
• Los SRM prometen para la computación en memoria, aplicaciones neuromórficas y funciones de seguridad como funciones físicas inviolables.

Conclusiones:

• Los SRM ofrecen hardware denso, energéticamente eficiente y sin selector para el futuro procesamiento de información.
• La co-diseño de materiales/arquitectura, el entrenamiento analógico de precisión y el control de la estocasticidad son oportunidades clave.
• Abordar los desafíos en la compatibilidad CMOS, el apilamiento 3D y la evaluación comparativa estandarizada acelerará la adopción de los SRM.