纯ZrO铁电薄膜用于非易失性记忆和神经网络计算
Zijian Wang1, Zeyu Guan1, He Wang1
1Hefei National Research Center for Physical Sciences at the Microscale, Department of Physics and CAS Key Laboratory of Strongly-Coupled Quantum Matter Physics, University of Science and Technology of China, Hefei, Anhui 230026, People's Republic of China.
ACS applied materials & interfaces
|April 16, 2024
概括
铁电氧化物 (ZrO2) 薄膜对非易失性记忆和人工神经网络具有前景. 设备表现出极好的极化,低泄漏,并使图像识别模拟具有高精度.
科学领域:
- 材料科学 材料科学 材料科学
- 固态物理 固态物理
- 设备工程 设备工程
背景情况:
- 纯ZrO2的铁电是最近的一项发现,引起了人们的极大兴趣.
- 基于ZrO2的设备在信息存储和处理方面的潜力需要进一步研究.
研究的目的:
- 为了制造和描述基于ZrO2的铁电电容器.
- 为了研究在电场循环下铁电或形相演变.
- 评估用于内存和计算应用的铁电场效应晶体管 (FeFET) 的性能.
主要方法:
- 使用RuO2电极制造一个~8nmZrO2铁电电容器.
- 铁电特性的电特性,包括残余极化和泄漏电流.
- 铁电电容与晶体管的集成,形成一个FeFET.
- 使用基于FeFET导电量操纵的卷积神经网络 (CNN) 对象图像识别的模拟.
主要成果:
- 实现了铁电残留极化 (2Pr) >30μC/cm2和低泄漏电流密度 (~2.79 × 10-8 A/cm2在1 MV/cm).
- 估计极化保留时间超过10年.
- 演示了一个FeFET,内存窗口为~0.8V和八个不同的状态.
- 在CNN模拟中实现了高对象图像识别准确度 (~93.32%),与传统方法相比.
结论:
- 基于ZrO2的铁电器件在非挥发性内存应用中表现出有前途的特性.
- FeFETs显示了高效的人工神经网络计算的潜力,特别是在图像识别任务中.
- 这些发现凸显了铁电ZrO2在下一代电子设备中的可行性.
