通过控制导线生长来接近长轴晶体类型的memristor的理想线性

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
• 固态物理 固态物理

背景情况:

• 神经形态计算需要节能,并行处理.
• 现有的氧化物memristors遭受非线性和不对称的突触重量调制,复杂的电路设计.
• 控制导电丝的生长对于memristors中的线性导电度调制至关重要.

研究的目的:

• 开发一种具有高度线性和对称的导电度调制的memristor,以改进神经形态计算.
• 研究一种方法来控制氧化物基的memristors中的导电丝的生长.
• 展示开发的memristor在十进制运算和神经网络中的应用.

主要方法:

• Hf_0.5Zr_0.5O₂薄膜的表层生长.
• 插入一个铜 (Cu) 纳米粒子层,以创建谷物边界并破坏表轴生长.
• 使用局部电场增强来限制丝生长在粒边界内.

主要成果:

• 实现了基于Hf_0.5Zr_0.5O₂的memristor,其线性和对称性接近理想.
• 证明控制的丝生长仅限于粒度边界,抑制随机行为.
• 成功实现了十进制运算和使用memristor调制能力的高精度神经网络.

结论:

• 工程粒度边界有效地控制了Hf_0.5Zr_0.5O₂的导电丝的生长.
• 这种方法显著提高了线性和对称性,这对于高级神经形态应用来说至关重要.
• 开发的memristor技术对抗随机访问存储器 (RRAM) 和受大脑启发的计算具有前景.