基于范德瓦尔斯硫化的Ag-doped非不完美启用统一记忆神经形态装置
Yesheng Li1,2, Yao Xiong3, Baoxing Zhai4
1Key Laboratory of Artificial Micro- and Nano-structures of Ministry of Education, and School of Physical and Technology, Wuhan University, Wuhan 430072, China.
Science advances
|March 13, 2024
概括
这项研究引入了用于人工智能硬件的新型Ag-doped memristors,实现超低可变性和高性能. 这些设备克服了当前memristor技术的局限性,以实现高效的内存计算.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 计算机工程 计算机工程
背景情况:
- 记忆器通过启用内存计算和克服·诺伊曼瓶,提供节能的人工智能 (AI) 硬件.
- 当前的memristor技术存在关键的可变性问题,阻碍了商业化,并且经常需要性能权衡.
研究的目的:
- 为人工智能应用开发具有超低可变性和理想性能指标的memristor.
- 为了展示一种新的memristor设计,克服现有的不完美启用设备的局限性.
主要方法:
- 在范德瓦尔斯硫化和酸中制造Ag-doped非完美扩散通道记忆器.
- 设备可变性 (电压,电阻,开/关比) 和操作电流的表征.
- 布尔逻辑函数和卷积图像处理的实现.
主要成果:
- 在操作电压 (3.8%),电阻 (2.3%) 和开/关比 (6.9%) 中实现了超低变化.
- 证明了极端值,包括0.2V运行,10^11欧姆电阻和10^8开/关比.
- 在Ag兴奋剂后,在6nm可扩展性极限下,从1nA降低到1pA的操作电流.
结论:
- Ag-doped的memristor设计成功地将超低的变性与出色的性能指标相结合.
- 成功实现了复杂的逻辑函数和图像处理,展示了逻辑内存设备和高效的非·诺伊曼加速器的潜力.


