FABRICATION AND STUDY OF THE p − Si/α − Si/Ag MEMRISTOR CROSSBAR ARRAY

Обложка

Цитировать

Полный текст

Аннотация

We study the formation of the conductive channels in α-Si memristors and demonstrate their operation in the crossbar array. The latter can be utilised as the basic component of the neuromorphic chip tailored for edge computing. The conductive channels in α-Si are formed by the migration of Ag along with Cu ions. Such a channel has switching current-voltage characteristics at high bias, Vbias > 2V, and highly non-linear that at low bias, Vbias < 0.5V. Memristor can be re-programmed to different resistance states with short voltage pulses of amplitude above 2 V. We demonstrate the programming of the memristor crossbar array and its operation in vector-by-matrix multiplication with an 87% accuracy.

Об авторах

A. Samsonova

Email: alena.samsonova@skoltech.ru
Россия,

S. Yegiyan

Email: alena.samsonova@skoltech.ru
Россия,

O. Klimenko

Email: alena.samsonova@skoltech.ru
Россия,

V. N. Antonov

Email: alena.samsonova@skoltech.ru
Россия,

G. Paradezhenko

Email: alena.samsonova@skoltech.ru
Россия,

D. Prodan

Email: alena.samsonova@skoltech.ru
Россия,

A. Pervishko

Email: alena.samsonova@skoltech.ru
Россия,

D. Yudin

Email: alena.samsonova@skoltech.ru
Россия,

N. Brilliantov

Автор, ответственный за переписку.
Email: alena.samsonova@skoltech.ru
Россия,

Список литературы

  1. J. J. Yang, D. B. Strukov, and D. R. Stewart, Memristive Devices for Computing, Nature Nanotechnology 8, 13 (2012).
  2. Krestinskaya, A. P. James, and L. O. Chua, Neuromemristive Circuits for Edge Computing: A Review, IEEE Trans. on Neural Networks and Learning Systems 31, 4 (2020).
  3. D. Marković, A. Mizrahi, D. Querlioz, and J. Grollier, Physics for Neuromorphic Computing, Nature Rev. Phys. 2, 499 (2020).
  4. R. Yang, P. Gao, S. Gaba, et al., Observation of Conducting Filament Growth in Nanoscale Resistive Memories, Nature Commun. 3, 732 (2012).
  5. V. Emelyanov, K. .E. Nikiruy, V. A. Demin, et al., Yttria-Stabilized Zirconia Cross-Point Memristive Devices for Neuromorphic Applications, Microelectronic Engineering 215, 110988 (2019) 6. J. Woo and S. Yu, Resistive Memory-Based Analog Synapse: The Pursuit for Linear and Symmetric Weight Update, IEEE Nanotechnology Magazine 12, 36 (2018)
  6. Yeon, P. Lin, C. Choi, et al., Alloying Conducting Channels for Reliable Neuromorphic Computing, Nature Nanotechnology 15, 574 (2020).
  7. Д. В. Ичёткин, М. Е. Ширяев, Д. В. Новиков, и др., Многоуровневые мемристорные структуры на основе a-Si с повышенной устойчивостью резистивного переключения и малыми токами потребления, Письма в ЖТФ 49, 39 (2023).
  8. D. McBrayer, R. M. Swanson, T. W. Sigmon, Diffusion of Metals in Silicon Dioxide, J. Electrochem. Soc. 133, 1242 (1986).
  9. F. Rollert, N. A. Stolwijk, H. Mehrer, Solubility, Diffusion and Thermodynamic Properties of Silver in Silicon, J. Phys. D: Appl. Phys. 20, 1148 (1987).
  10. Z. Ma, J. Ge, W. Chen, et al., Reliable Memristor Based on Ultrathin Native Silicon Oxide, ACS Applied Materials and Interfaces 14, 21207 (2022).
  11. A. Istratov, E. R. Weber, Physics of Copper in Silicon, J. Electrochem. Soc. 149, G21 (2002).
  12. Ren, S. Liu, R. Cai, et al., Algorithm-Hardware Cooptimization of the Memristor-Based Framework for Solving Socp and Homogeneous Qcqp Problems, 2017 22nd Asia and South Pacific Design Automation Conference (ASPDAC), IEEE (2017).
  13. Xia and J. J. Yang, Memristive Crossbar Arrays for Brain-Inspired Computing, Nature Materials 18, 309 (2019).
  14. Yakopcic, T. M. Taha, G. Subramanyam, R. E. Pino, and S. Rogers, A Memristor Device Model, IEEE Electron Device Lett. 32, 1436 (2011).
  15. Konlechner, A. Allagui, V. N. Antonov, and D. Yudin, A Superstatistics Approach to the Modelling of Memristor Current–voltage Responses, Phys. A: Statistical Mechanics and its Applications 614, 128555 (2023).
  16. P. G. Le Comber and W. E. Spear, Electronic Transport in Amorphous Silicon Films, Phys. Rev. Lett. 25, 509 (1970).
  17. Joshi, and J. M. Acken, Sneak Path Characterization in Memristor Crossbar Circuits, Int. J. Electronics 108, 1255 (2020).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».