通过用于神经形态计算的2D结合策略构建均结构聚合物记忆器
Jinyong Li1, Fei Fan2, Xin Fu1
1Key Laboratory for Advanced Materials and Joint International Research Laboratory of Precision Chemistry and Molecular Engineering, School of Chemistry and Molecular Engineering, East China University of Science and Technology, Shanghai, 200237, China.
Macromolecular rapid communications
|April 17, 2024
概括
研究人员使用PBDTT-BPQTPA开发了一种新的聚合物记忆器,增强了可靠的人工计算的电荷传输. 这一突破使神经形态系统具有高效的记忆和逻辑操作.
科学领域:
- 材料科学 材料科学 材料科学
- 有机电子 有机电子
- 神经形态计算是一种神经形态计算.
背景情况:
- 聚合物memristors是下一代计算的关键,但由于聚合物异质性而遭受不稳定的切换.
- 这导致有机聚合物记忆器的产量降低和可靠性问题.
研究的目的:
- 为了合成和表征一种新的2D合聚合物,PBDTT-BPQTPA,以提高记忆器性能.
- 为了研究制造的聚合物memristor的memristive特性和神经形态计算能力.
主要方法:
- 合成PBDTT-BPQTPA通过整合BDTT (电子捐赠) 和一个昆素衍生物 (电子接受) 单元.
- 嵌入的三烯胺组,以增强聚合物结合和平面性,以实现高效的电荷传输.
- 制造了Al/PBDTT-BPQTPA/ITO记忆器,并测试了它们的电阻切换行为.
主要成果:
- PBDTT-BPQTPA记忆器在高电压下表现出非挥发性电阻切换,在低电压下表现出历史依赖的行为.
- 证明了突触功能 (增强/抑制),学习算法和记忆操作的模拟.
- 展示了执行逻辑运算和执行小数计算的能力.
结论:
- 新的PBDTT-BPQTPA聚合物为克服聚合物记忆器的可靠性问题提供了一个有希望的解决方案.
- 开发的memristor显示了推进人工神经形态计算系统的巨大潜力.
- 这项工作为更高效,更可靠的有机电子设备为先进的计算铺平了道路.
