动态FeO/FeWO纳米复合材料记忆器用于神经形态和储计算
Muhammad Ismail1, Maria Rasheed2, Yongjin Park1
1Division of Electronics and Electrical Engineering, Dongguk University, Seoul 04620, South Korea. sungjun@dongguk.edu.
Nanoscale
|November 19, 2024
概括
这项研究介绍了一种新型的memristor,它能够进行挥发性和非挥发性切换,这对于AI应用至关重要. 它的双模式操作提高了神经形态计算和数据存储的性能,为先进的人工智能铺平了道路.
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:
- 记忆器是小型化,节能计算的关键组件,对于神经形态和内存计算至关重要.
- 当前的memristor应用通常需要不同的挥发性或非挥发性操作模式.
- 在单个设备中实现双模式功能对于通用AI硬件至关重要.
研究的目的:
- 开发一种无成形的memristor,具有双重挥发性和非挥发性开关功能.
- 探索合规电流 (CC) 和结构工程对memristor性能的影响.
- 为了展示memristor对先进AI应用程序 (如数据存储和储库计算) 的潜力.
主要方法:
- 制造一个Ag/FeOx/FeWOx/Pt纳米复合材料的memristor.
- 调整合规电流 (CC) 级别以控制切换模式 (挥发性<500μA,非挥发性>mA).
- 评估设备性能,包括统一性,数据保留,多层切换和突触功能的仿真 (增强,抑制,SRDP).
主要成果:
- 记忆器表现出由CC控制的无成形,双模式切换.
- 卓越的性能指标包括低工作电压 (<0.2V),统一性,数据保留和多级切换.
- 成功模拟生物突触功能和记忆过渡 (STM到LTM).
- 在库计算中证明有效性,用于序列数据分类,识别率为93.4%.
结论:
- 由于其双模式切换,Ag/FeOx/FeWOx/Pt记忆器为AI硬件提供了多功能解决方案.
- 它模仿突触功能和记忆过程的能力对神经形态计算非常有希望.
- 该设备在储库计算中的性能突出显示了它在AI中进行时间和顺序数据处理的潜力.
