用于ReRAM和神经形态计算的memristor的快速原型设计
Gianluca Marraccini1,2, Sebastiano Strangio1, Elisabetta Dimaggio1
1Dipartimento di Ingegneria dell'Informazione, Università di Pisa, via G.Caruso 16, Pisa, Italy. gianluca.marraccini@ing.unipi.it.
Nanoscale
|December 10, 2025
概括
研究人员为AI开发了具有成本效益的Ag/MoS2/Au记忆器. 这些设备提供可靠的电阻开关,使节能,高通量的人工智能硬件具有高精度.
科学领域:
- 材料科学 材料科学 材料科学
- 电气工程 电气工程
- 计算机科学 计算机科学
背景情况:
- 人工智能 (AI) 中对节能计算的日益增长的需求需要先进的内存技术.
- 由于其信息存储,突触模拟和内存计算能力,以及低功耗,memristors对人工智能有很大的希望.
研究的目的:
- 为制造Ag/MoS2/Au记忆器提供一种可扩展和具有成本效益的方法.
- 为了证明这些memristors对节能AI硬件的潜力.
主要方法:
- 使用卷对卷的机械剥离二维MoS.
- 用于设备制造的喷墨印刷.
- 模拟了一个完全连接的神经网络使用虚拟memristor交叉阵列.
主要成果:
- 制造的Ag/MoS2/Au记忆器具有可靠的非挥发性电阻切换.
- 观察到的切换行为归因于导电线材在MoS2中的形成/溶解.
- 实现了高阻力比率和强大的保留时间.
- 在神经网络模拟中证明了高分类准确性,即使在有限的位宽精度下也是如此.
结论:
- 开发的memristors适用于节能,高通量的人工智能硬件.
- 2D材料脱皮和喷墨打印的结合提供了一个可扩展的制造方法.
- 这些memristor显示出下一代AI计算应用的巨大潜力.


