烯纳米片的合成和异构型记忆行为
Zitong Wu1, Xinchao Liang1, Yi Liu1
1State Key Laboratory of Mechanics and Control for Aerospace Structures, Laboratory of Intelligent Nano Materials and Devices of Ministry of Education, College of Aerospace Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, 210016, China.
Angewandte Chemie (International ed. in English)
|September 2, 2024
概括
多层烯纳米片为先进的神经形态计算提供了突破性的异型变量记忆特性. 这些二维材料克服了传统内存的局限性,使灵活的信息存储和内存计算应用成为可能.
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:
- 对人工智能至关重要的神经形态计算受到传统内存设备的高功耗和低可靠性的阻碍.
- 二维 (2D) 材料显示出作为记忆材料的承诺,但通常具有固定的特性,限制了设计灵活性.
- 现有的记忆材料很难满足对高效和适应性神经形态系统的需求.
研究的目的:
- 为增强神经形态计算开发一种具有可调整的记忆性质的新二维材料.
- 在当前的二维材料中克服固定记忆行为的局限性.
- 探索基材料在下一代内存和计算中的潜力.
主要方法:
- 通过化学蒸汽沉积在片上合成多层烯纳米片 (半导体α'-4H-烯和金属β-烯).
- 合成的烯纳米板的结构和电气特性.
- 调查垂直和平面方向的异型记忆行为.
主要成果:
- 成功合成了具有异型变量记忆性特性的多层烯纳米片.
- 在垂直方向表现出明显的挥发性记忆行为,在平面方向表现出非挥发性记忆行为.
- 烯纳米板具有可调节的特性,克服了其他二维材料的固定状态限制.
结论:
- 多层烯纳米片代表了神经形态计算应用的重大进步.
- 异型和可变的记忆特性为电路设计提供了前所未有的灵活性.
- 这些新的二维材料为更有效的信息存储和内存计算铺平了道路.
