Improved phase change properties in layered Sc <sub>x</sub> In <sub>2−x</sub> Se <sub>3</sub> for multilevel information storage
Notice bibliographique
Résumé
Abstract Phase change random access memory stores information by utilizing large resistance differences between crystalline and amorphous states of phase change materials (PCM). It would be highly advantageous to realize multilevel devices with single PCM system in nanoscale to improve memory capacity and reduce power consumption. Experimental results verify the possibility of multilevel phase change in two dimensional In 2 Se 3 thin layers with two stable single crystal phases (α and β). Here, we report, the phase change properties of layered In 2 Se 3 can be greatly improved by substitutional doping with Sc atoms based on first-principle calculations together with semiclassical Boltzmann transport theory. The lattice thermal conductivity κ L of both α- and β-Sc x In 2−x Se 3 are lower than that of the undoped models in the temperature range from 300 K to 700 K. Particularly, κ L of β-Sc 0.167 In 1.833 Se 3 at 300 K is 0.53 W m −1 K −1 , which is reduced by 60% compared to β-In 2 Se 3 . The out-of-plane electrical conductivities also show a significant decrease after Sc doping. These results indicate better performance of Sc-doped In 2 Se 3 PCM with minimized thermal crosstalk and lower RESET current. Moreover, we found the resistance difference between α and β phase can become 1–2 orders of magnitude larger in Sc 0.167 In 1.833 Se 3 , which is beneficial for the multilevel programming. The phase change process from α-In 2 Se 3 to its β phase with different Sc doping sites are calculated by ab-initio molecular dynamics simulations. It is found that with the introduction of Sc atoms in tetrahedral sites, phase change speed can be significantly increased. Our studies shed light on the modification of phase change properties of layered In 2 Se 3 with rare earth doping.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».