物理的に統合されたリザーバーコンピューティングのための時間ダイナミクスを設計したチャージトラップメモリ

科学分野:

• 材料科学
• 人工知能
• ニューロモルフィックコンピューティング

背景:

• 2D材料（2DM）ベースのリザーバーコンピューティング（RC）は、エッジAI向けの低消費電力で効率的な処理を提供します。
• 現在のシステムは、揮発性メモリ状態と限られた保持時間という課題に直面しています。

研究 の 目的:

• PdSe2チャージトラップメモリ（CTM）における欠陥工学を用いた均質なRCシステムの実証。
• 性能向上のために揮発性メモリ状態を不揮発性状態に変換する。
• エッジコンピューティングおよび生物医学的アプリケーションのためのエネルギー効率の高いAIハードウェアを推進する。

主な方法:

• 超高速光励起を利用してPdSe2 CTMの欠陥工学を誘発し、PdSe2-xOxナノ欠陥を作成しました。
• 電子枯渇欠陥と散乱中心を導入してメモリ保持を強化しました。
• リザーバーコンピューティングタスクのために、二重非線形/安定動作モードを活用しました。

主要な成果:

• 揮発性（保持率≈0%）から不揮発性（保持率≈80%）の状態への変換を達成しました。
• 緩和時間定数を15.6秒から99.4秒に延長し、保持時間（>2000秒）を延長したマルチレベルメモリ（>2^6レベル）を可能にしました。
• 高い分類精度を実証しました：MNISTで91.7%、音声認識で93.3%。
• 心電図の不整脈検出を92.3%の精度で開拓しました。

結論:

• 材料固有のニューロモルフィックデバイスのための欠陥工学パラダイムを確立しました。
• 工学化されたPdSe2 CTMシステムは、エネルギー効率の高いAIハードウェアにとって大きな可能性を示しています。
• このアプローチは、生物医学的診断およびエッジコンピューティングアプリケーションの機能を前進させます。