Las neuronas de retroalimentación basadas en un memristor de perovskita con níquel de un solo átomo de ingeniería...

Área de la Ciencia:

• Ciencia de los materiales Ciencia de los materiales.
• La neurociencia es la neurociencia.
• Electrónica y electrónica electrónica Electrónica y electrónica.

Sus antecedentes:

• El desarrollo de sistemas neuromórficos de inspiración biológica requiere dispositivos neuronales artificiales capaces tanto de funciones excitatorias como inhibidoras.
• Los memristores de perovskita muestran potencial, pero se enfrentan a desafíos como barreras interfaciales y migración de iones, lo que limita sus capacidades de modulación.

Objetivo del estudio:

• Para superar las limitaciones en los memristores de perovskita para aplicaciones neuromórficas a través de la ingeniería de cátodos a escala atómica.
• Desarrollar un memristor basado en perovskita con mayor estabilidad y doble funcionalidad.

Principales métodos:

• Fabricación de un memristor de perovskita (Au/Ni1-rGO/MAPbI3/ITO) utilizando un cátodo de óxido de grafeno reducido (Ni1-rGO) modificado de un solo átomo de níquel.
• Caracterización a escala atómica de la configuración Ni-O dentro de Ni1-rGO para comprender su impacto en las propiedades electrónicas y la migración iónica.
• Análisis de la alineación de la banda de energía para reducir las barreras de Schottky e investigación de las barreras de energía de difusión iónica.

Principales resultados:

• El cátodo Ni1-rGO moduló efectivamente las propiedades electrónicas, redujo las barreras de Schottky y confinó la migración de iones yoduro con una barrera de alta energía de difusión (2,912 eV), lo que condujo a un tiempo de relajación de 780 ms.
• El memristor diseñado demostró 1.000 estados de conductancia distintos y emuló con éxito las funcionalidades de la red neuronal, como las conexiones entre capas y la transmisión bidireccional de señales.
• Se mostraron funcionalidades neuromórficas, incluido el aprendizaje competitivo no supervisado con una precisión de agrupación de más del 50% y el aprendizaje cooperativo que resolvió un problema NP-difícil 6 veces más rápido que el recocido simulado.

Conclusiones:

• La ingeniería de cátodos a escala atómica es una estrategia viable para crear hardware neuromórfico de alta eficiencia.
• El memristor de perovskita desarrollado exhibe características prometedoras para sistemas neuronales artificiales avanzados.
• Este enfoque ofrece un camino para superar los desafíos clave en la tecnología de memristor para la computación neuromórfica.