多功能碳化物MXene薄膜记忆器具有适应性学习行为
Athulya Thomas1, Puranjay Saha1, Muhammed Sahad E1
1eNDR Laboratory, School of Physics, IISER Thiruvananthapuram, Trivandrum, Kerala 695551, India.
ACS applied materials & interfaces
|April 9, 2024
概括
这项研究介绍了一种新的化碳 (Ti3C2T) MXene记忆器,用于神经形态计算. 该设备展示了快速切换,高耐久性和低能耗,使边缘计算和学习应用程序成为可能.
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:
- 对神经形态计算硬件的需求不断增长,以解决·诺伊曼瓶.
- 需要使用超越传统基架构的先进材料.
- 探索用于下一代计算的二维材料.
研究的目的:
- 准备和表征二维碳化物 (Ti3C2T) MXene用于memristor应用.
- 为了制造和评估基于Ti3C2T的memristor的性能.
- 为了展示这个memristor在边缘计算和人工学习方面的潜力.
主要方法:
- 合成Ti3C2TMXene使用传统的HF蚀刻.
- 通过不混合的液体-液体界面生长的薄膜沉积.
- 通过将Ti3C2T在电极之间进行三明治制造的记忆器.
- 使用拉曼散射,晶度测量,电流-电压 (I-V) 分析和导电AFM进行表征.
主要成果:
- 成功制备和表征Ti3C2TMXene. 的成功制备和表征.
- 记忆器表现出非挥发性电阻开关,开关速度为30 ns,开/关比为10 ~ 3.
- 设备显示高耐久性 (500 个周期),保留 (> 10 ~ 4 秒) 和低能耗 (每读数fJ).
- 通过I-V特性和导电性AFM证实了丝状导电机制.
- 展示边缘计算,逻辑门操作和经典调节.
结论:
- Ti3C2TMXene是高性能memristors的一个有希望的材料.
- 制造的memristor提供了出色的开关特性,耐用性和能源效率.
- 这种多功能设备显示了高级神经形态计算和AI应用的巨大潜力.


