高性能边缘线接触记忆器与内平面固体-液体-固体成长的纳米线用于概率神经形态计算
Lei Yan1, Yifei Zhang1, Zhiyan Hu1
1School of Electronic Science and Engineering, Nanjing University, 210023 Nanjing, China.
ACS nano
|March 11, 2025
概括
高均的纳米线记忆器是使用飞机内固体-液体-固体技术制造的,用于神经形态计算. 这些设备表现出卓越的性能和统一性,为在先进硬件中进行大规模集成铺平了道路.
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:
- 由于它们的电阻开关特性,memristors对于神经形态计算至关重要.
- 记忆器技术的挑战包括设备统一性和小型化,用于大规模应用.
研究的目的:
- 通过使用纳米线 (SiNWs) 来展示高度均的memristors的可扩展生产.
- 在神经形态应用中研究这些SiNW记忆元的性能.
- 为解决神经形态硬件的统一性和小型化方面的关键挑战.
主要方法:
- 通过在平面内固体-液体-固体 (IPSLS) 增长,使用强度合的n型SiNWs (直径≤50 nm) 制造准一维的扩散记忆器.
- 采用了边缘线接触结构设计,以改善对导电丝 (CF) 的控制.
- 发达的神经元具有可调节的西格形概率激活功能.
主要成果:
- 实现了高度均的SiNW记忆体,直径小于50nm.
- 证明了出色的自我合规值开关特性:低工作电压 (∼0.8 V,SD=0.073 V),低泄漏电流 (1 pA),高开关比率 (>10 ^ 7),超快开关速度 (∼8 ns) 和低开关能量 (47.2 fJ).
- 开发出统一的神经元,在二进制瘤分类任务中达到96.2%的准确性.
结论:
- 由IPSLS制造的SiNW记忆器有效地解决了神经形态硬件中的统一性和小型化挑战.
- 开发的基于SiNW的memristors显示出在先进的神经形态计算系统中大规模集成的巨大潜力.
- 这项工作突出了为未来计算架构创建高性能,统一的内存设备的可行途径.
更多相关视频
11:25Preparation of Silicon Nanowire Field-effect Transistor for Chemical and Biosensing Applications
Published on: April 21, 2016
11.0K
09:14Flow-assisted Dielectrophoresis: A Low Cost Method for the Fabrication of High Performance Solution-processable Nanowire Devices
Published on: December 7, 2017
7.6K
