揭示了使用可变温度的ECRAM切换机制,用于加速AI计算的Hall测量
Hyunjeong Kwak1, Junyoung Choi1, Seungmin Han1
1Department of Materials Science and Engineering, Pohang University of Science and Technology, Pohang, South Korea.
Nature communications
|March 20, 2025
概括
了解电化学随机访问内存 (ERAM) 切换机制是人工智能加速器的关键. 这项研究表明,氧化ERAM导电率的变化是由于载体的移动性和密度增加,由可逆结构变化驱动.
科学领域:
- 材料科学 材料科学 材料科学
- 固态物理 固态物理
- 人工智能 硬件 硬件
背景情况:
- 由于稳定性和可编程性,电化学随机访问存储器 (ERAM) 设备对模拟人工智能 (AI) 加速器有希望.
- 由于复杂的多层结构和氧化物材料的高电阻性,了解ERAM切换机制是很困难的.
研究的目的:
- 为了阐明基于氧化的ERAM设备的切换机制.
- 确定影响ERAM在低温下电导电位增强的因素.
主要方法:
- 制造多终端大厅酒吧设备.
- 交替电流磁双极平行线 霍尔测量用于运输参数提取.
- 可变温度的大厅测量.
- 密度函数理论 (DFT) 的计算.
主要成果:
- 在氧氧氧化物中确定了大约0.1 eV的氧气供体水平.
- 揭示了导电强化源于载体流动性和密度的增加,即使在低温下也是如此.
- 与可逆电子和原子结构修改相关的导电率变化.
结论:
- 增强对氧化中ERAM切换机制的理解.
- 提供了关于在模拟硬件中改进高性能,节能AI计算的见解.
- 证明了运营商动态和结构变化在ERAM操作中的作用.


