在内存计算的近期进展:用二维材料探索memristor和memtransistor数组

科学领域:

• 材料科学 材料科学 材料科学
• 计算机工程 计算机工程
• 纳米技术纳米技术

背景情况:

• 由于存储器和处理单元的分离,传统计算面临着显著的延迟和能源挑战.
• 内存计算架构在内存数组中执行操作,为这些限制提供了潜在的解决方案.
• 记忆设备,特别是那些基于二维 (2D) 材料的设备,是高密度,低功耗内存计算和神经形态应用的关键组件.

研究的目的:

• 审查当前对基于二维材料的内存数组进行内存计算的最新研究.
• 涵盖包括材料选择,设备性能,阵列架构和应用程序在内的关键方面.
• 确定挑战,并提出解决方案,以推进2D基于材料的记忆阵列,从设备到系统级实施.

主要方法:

• 关于最近在二维材料基础上的记忆器件和数组方面的进展的综合文献综述.
• 对设备性能指标的分析,包括切换特性,耐久性和保留.
• 检查各种数组结构及其适用于内存计算和神经形态应用的适用性.

主要成果:

• 2D材料具有独特的特性,如分层结构和异质连接形成,使得高性能记忆器件成为可能.
• 基于二维材料的memristors和memtransistors显示出密集,节能的内存计算阵列的前景.
• 在设备制造和表征方面取得了重大进展,在数组级整合方面也在不断努力.

结论:

• 基于二维材料的记忆阵列是实现下一代内存计算和神经形态系统的关键技术.
• 弥合单个设备性能和数组/系统级实施之间的差距对于实际应用至关重要.
• 对材料,设备设计和整合策略的持续研究将加速这些先进计算范式的发展.