基于尺寸分级的化物佩洛夫斯基特的自我纠正的记忆器

科学领域:

• 材料科学 材料科学 材料科学
• 电子工程 电子工程
• 计算机科学 计算机科学

背景情况:

• 神经形态内存计算解决了人工智能和智能电子产品中的数据洪水.
• 记忆器交叉阵列是内存计算的关键硬件.
• 化 Perowskites 由于其特性,为memristors提供了潜在的潜力,但潜入路径问题阻碍了性能.

研究的目的:

• 开发自我校正的化物记忆器,以克服记忆器交叉阵列中的潜入路径挑战.
• 为了创建一个尺寸分级的矿结构,以改善memristor的功能.
• 为了提高神经形态内存计算的效率和准确性.

主要方法:

• 制造一个2D到3D尺寸分级的化 Perowskite memristor.
• 使用特定的2D间隔离子和甲基酸进行异质连接的工程.
• 在大型横杆阵列中对装置校正,耐久性,线性和性能的描述.

主要成果:

• 实现了高整形比率,大于103.3的整形比率.
• 证明了强大的突触特征,耐力超过4 × 10 ^ 4脉冲,重量更新中的高线性.
• 成功地抑制了潜入电流,实现了140 × 140横杆阵列,在图像分类中具有93%的准确性,尽管有写入噪声.

结论:

• 这种新型的尺寸分级矿记忆器有效地解决了潜入路径问题.
• 这种自我纠正的memristor技术适用于大规模的神经形态计算数组.
• 这种方法显著提升了化佩洛夫斯基特在AI硬件中的潜力.