摘要:第一作者:Ruo-Yao Sun,Ze-Yu Hou,Qing Chen通讯作者:Jing-Kai Qin,Cheng-Yan Xu,Fei-Chi Zhou通讯单位:哈尔滨工业大学,南方科技大学DOI: 10.1002/adma.202409017
第一作者:Ruo-Yao Sun,Ze-Yu Hou,Qing Chen
通讯作者:Jing-Kai Qin,Cheng-Yan Xu,Fei-Chi Zhou
通讯单位:哈尔滨工业大学,南方科技大学
DOI: 10.1002/adma.202409017
神经启发的神经形态设备与数据存储和处理相结合,有望满足物联网(IoT)时代边缘计算硬件在本地处理大量实时数据的日益增长的需求。作为代表性的非易失性存储器(NVM)器件,忆阻器基于导电沟道的形成来工作。调节离子或缺陷的迁移动力学,如离子源的定位和导电路径的控制,可以促进内存计算中多级电阻状态的可重复切换。忆阻器最初是在几十年前提出的,近年来随着人工智能(AI)的指数级发展,忆阻器取得了长足的进步。忆阻器的优点,如高存储密度和低功耗,使其非常适合作为人工智能芯片的构建块,从而简化了智能应用的边缘计算硬件。然而,最先进的忆阻器垂直集成在具有两个终端的交叉开关配置中,其中结构约束在很大程度上限制了硬件实现处理复杂边缘计算场景的时空信息,这极大地阻碍了人工智能的发展。
作为边缘计算场景中的一项重要任务,方向处理涉及复杂的空间重建数据,而缺乏方向选择能力的传统忆阻器无法实现。与垂直忆阻器相比,平面器件为架构创新提供了额外的自由度,多功能的单片集成可以大大促进神经形态硬件的实现,以处理与方向相关的复杂数据。低维范德华(vdW)晶体被认为是制造平面忆阻器的理想候选者,其中层间间隙为离子迁移或导电丝形成提供了高度受限的空间,从而为神经形态计算提供了强大的电阻切换(RS)。利用低对称vdW晶体中绝热能垒的差异性可以促进紧凑忆阻器中电导的各向异性调制。尽管有早期的尝试,但大多数vdW晶体对离子扩散的方向选择性较弱,相关的忆阻器通常性能较差,电导调制的各向异性也不令人满意。忆阻材料和具有取向选择性的NVM器件的发展滞后,严重阻碍了神经形态硬件的智能应用。因此,迫切需要寻找新的低对称性材料来开发各向异性NVM器件,并扩展处理复杂边缘计算场景任务的通用性。
33),代表了一类具有内在各向异性的材料。原子在一个方向上共价键合成1D棱柱链,然后平行于单斜晶胞堆积。独特的准1D vdW性质有望保证空位或离子的优选迁移路径,从而允许导电丝的方向控制和生长。此外,还可以预期物理性质的大各向异性,如光学晶格振动、电输运和传质。本文亮点
1. 本工作展示了一种基于锂化NbSe3纳米片的平面配置的各向异性电阻开关电池。
2. 得益于与准1D范德华结构相关的高度对齐的扩散沟道,沿NbSe3原子链图案化的忆阻器具有出色的稳定性,特别是低置位/复位电压(0.4 V/-0.36 V)和极小的标准偏差(0.041 V/0.051 V),与最先进的器件相比,具有最佳的存储切换行为。
3. 与传统的电阻转换材料不同,NbSe3晶体中的各向异性离子迁移导致电导更新中的高取向选择性。
4. 定制设计的神经形态硬件有助于实现自动驾驶应用的全方位运动识别,考虑到变化,准确率高达95.9%。
图文解析
图1. 基于锂化NbSe3333晶体的HAADF-STEM图像。c) 锂化NbSe3纳米片的偏振拉曼光谱。插图(左)描绘了288 cm-1处拉曼峰的强度映射图,右图显示了相对角度θ。d) 锂化NbSe3纳米片在1064 nm光激发下的SHG光谱和相应的极性图。插图描绘了强度的偏振依赖性,以及偏振角(b轴方向定义为0°)。e) 分别计算了与锂离子沿b轴和c轴迁移相关的迁移能量。插图说明了DFT计算的原子晶体模型。f) 基于NbSe3晶体的多端忆阻器中的定向选择性存储开关。沿b轴的数字忆阻开关归因于导电丝的受限形成(左图),而NbSe3链之间的vdW间隙引起的能垒阻碍了离子迁移,从而导致电阻态的模拟调制(右图)。图2. 沿一维原子链图案化的忆阻器的RS行为。a) 平面忆阻器的I-V曲线循环。插图显示了双端忆阻器的光学显微镜(OM)图像和相应的AFM形貌图像。b) 与I-V曲线对应的设定和复位电压的统计分布。c) 跨多个操作周期的不同操作状态的统计分析。d) 电阻状态的循环稳定性。e) 与具有不同沟道长度的忆阻器相关的Vset和Vreset的统计分析。f) 工作电压和标准偏差与文献的比较。g–i)C-AFM测试的实验装置和HRS和LRS的相应形貌图像。
3忆阻器的各向异性RS特性。a) 多端忆阻器的假彩色(扫描电子显微镜)SEM图像。通道的图案为θ=0°(电极1和5),θ=45°(电极2/6,电极4/8),θ=90°(电极3-7)。这里,θ被定义为NbSe3晶体的成对电极和原子链之间的角度。b) 多端忆阻器的I-V曲线。c) 设备设定和复位电压的统计分析。d) θ为0°、45°和90°的忆阻器的HRS和LRS的RS。e) 多端忆阻器对连续电压输入的电流调制。外部施加的脉冲刺激的幅度为1V,脉冲宽度为1s,连续脉冲之间的时间间隔为0.5 s。通过0.2 V的小电压读取电流。f) 电更新突触重量的增强和抑制。在忆阻器上施加了15个正脉冲和15个负脉冲的连续刺激,在此测试期间共评估了10个设备。g) 多端器件的电阻状态保持特性(Vpulse=1 V)。图4. 基于忆阻器集成边缘计算硬件实现的ANN运动方向识别。a) 基本功能单元的示意图,由一个多端忆阻器和三个光电探测器组成。三个相同的光电探测器分别连接到D0°、D45°和D90°。三个电极的输出端子连接到电流表,用于读取电流。b) 功能单元的电路图,包括各向异性忆阻器和电源、光电探测器、比较器和加法器模块。c) 在0°配置下,前照灯通过装置时的总电流。d) 具有自动驾驶场景全方位运动识别能力的边缘计算硬件示意图,由三个基本功能单元组成。三个功能单元的输出端子并联连接到电流表。在场景图中,边缘计算硬件安装在驾驶汽车中,其输出电流无线传输到终端进行方向识别。e) 在同一锂化NbSe3纳米片上图案化的三个多端忆阻器的OM图像。f) 陶瓷四扁平无引线(CQFN)载体的图片,其中已经封装了多端忆阻器阵列。g) 集成光电探测器、信号处理电路和忆阻器阵列的定制PCB的详细信息。h) 前照灯以𝜃=15°穿过集成模块的示意图。在这种情况下,所有八个光电探测器都被依次激活。i) 用于运动方向识别的神经网络图示。j) 识别精度随训练周期的演变。k) 识别方向和正确运动方向之间的混淆矩阵。来源:华算科技