Toward a Reliable Synaptic Simulation Using Al-Doped HfO<sub>2</sub> RRAM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The potential in a synaptic simulation for neuromorphic computation has revived the research interest of resistive random access memory (RRAM). However, novel applications require reliable multilevel resistive switching (RS), which still represents a challenge. We demonstrate in this work the achievement of reliable HfO2-based RRAM devices for synaptic simulation by performing the Al doping and the postdeposition annealing (PDA). Transmission electron microscopy and operando hard X-ray photoelectron spectroscopy results reveal the positive impact of Al doping on the formation of oxygen vacancies. Detailed I–V characterizations demonstrate that the 16.5% Al doping concentration leads to better RS properties of the device. In comparison with the other reported results based on HfO2 RRAM, our devices with 16.5% Al-doping and PDA at 450 °C show better reliable multilevel RS (∼20 levels) performance and an increased on/off ratio. The 16.5% Al:HfO2 sample with PDA at 450 °C shows good potentiation/depression characteristics with low pulse width (10 μs) along with a good On/Off ratio (>1000), good data retention at room temperature, and high temperature and good program/erase endurance characteristics with a pulse width of 50 ns. The synapse features including potentiation, depression, and spike time-dependent plasticity were successfully achieved using optimized Al-HfO2 RRAM devices. Our results demonstrate the beneficial effects of Al doping and PDA on the enhancement of the performances of RRAM devices for the synaptic simulation in neuromorphic computing applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle