基于ZnO的memristors与氧化电极的增强模拟切换和神经形态性能,用于高精度的模式识别

科学领域:

• 材料科学 材料科学 材料科学
• 固态电子 固态电子
• 神经形态工程的神经形态工程

背景情况:

• 记忆设备对于下一代计算至关重要.
• 调节电极材料对memristor性能产生重大影响.
• 了解当前的运输机制是设备优化的关键.

研究的目的:

• 为了研究基于ZnO的memristors的模拟切换和神经形态特征.
• 为了比较不同顶部电极材料 (ITO,Ti,Ta) 对设备性能的影响.
• 评估这些memristor在电子应用中的潜力.

主要方法:

• 制造基于ZnO的记忆器,具有不同的阳极顶部电极 (ITO,Ti,Ta).
• 电气开关行为的特征,包括挥发性/非挥发性和多态开关.
• 使用肖特基排放模型分析当前的运输机制.
• 使用脉冲调制模仿突触可塑性 (长期强化/抑郁).
• 使用卷积神经网络进行模式识别的性能评估.

主要成果:

• 氧化 (ITO) 电极表现出双挥发性/非挥发性切换和多态特征,与Ti和Ta不同.
• 斯科特基排放是当前主要的传输机制,可调节的斯科特基屏障高度.
• 成功模拟长期增强和抑郁的突触行为.
• 在使用卷积神经网络的修改国家标准与技术研究所模式分类中实现了90.84%的准确性.

结论:

• ITO/ZnO/ITO/Si记忆器设备显示出用于高性能电子应用的巨大潜力.
• 这项研究强调了ITO电极在实现多功能性记忆功能的有效性.
• 这些发现有助于开发先进的神经形态计算系统.