在ZnO/CdO混合纳米复合材料的接口工程中,增强了用于神经形态计算的电阻切换内存
Faisal Ghafoor1, Honggyun Kim2, Bilal Ghafoor3
1Department of Electrical Engineering and Convergence Engineering for Intelligent Drone, Sejong University, Seoul 05006, Republic of Korea.
Journal of colloid and interface science
|December 29, 2023
概括
基于金属石化的电阻随机访问存储器 (RRAM) 显示了神经形态计算的前景. 一个新的ZnO-CdO纳米复合物记忆器模拟了生物突触,在手写数字识别中实现了高精度.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 固态电子 固态电子
背景情况:
- 电阻随机访问存储器 (RRAM) 对嵌入式存储和神经形态计算至关重要.
- 金属焦焦化物为先进的RRAM应用提供可调节的电子状态.
研究的目的:
- 为了合成ZnO-CdO混合纳米复合材料用于memristor应用.
- 评估memristor在模拟生物突触功能的性能及其对人工神经网络的潜力.
主要方法:
- ZnO-CdO混合纳米复合物的水热合成.
- 制造Ag/ZnO-CdO/Pt记忆器的设备. 制造Ag/ZnO-CdO/Pt记忆器的设备. 制造Ag/ZnO-CdO/Pt记忆器的设备.
- 电气特性,突触功能和人工神经网络性能的表征.
主要成果:
- 记忆器表现出稳定的电阻开关,具有低的SET/RESET电压和高的RON/OFF比率 (~105).
- 实现了优异的保留稳定性,耐久性 (>104周期) 和多层存储.
- 成功模拟突触功能 (LTP,LTD,PPF) 并使用人工神经网络在手写数字识别中获得92.6%的准确性.
结论:
- 这种ZnO-CdO混合纳米复合材料的memristors表现出极好的非挥发性记忆特性.
- 这些memristor有效模拟生物突触,为高效的神经形态计算架构铺平了道路.


