Depth Gradient Reduced Graphene Oxide Layer via Intense Pulsed Light Annealing Process for the Flexible Resistive Random Access Memory Device
Notice bibliographique
Résumé
Abstract In this study, an intense pulsed light (IPL) is irradiated for reducing graphene oxide (GO) to form a flexible resistive random access memory (ReRAM). The reduced‐GO (r‐GO) thin semiconductor layer is coated using spin coating method with distilled‐water and ethanol‐based solution on the flexible bottom electrode (Cu). The irradiation conditions are optimized to obtain high retention and switching characteristics. A top electrode (Al) is formed by deposition process and the electrical characteristics of the ReRAM are measured using a parameter analyzer. The optimally reduced GO‐based ReRAM shows write‐once read‐many times (WORM) characteristics and high electrical performances such as on/off ratio (≈103), operation voltage (−4.2–4.5 V), and excellent retention properties (retention time: 108). The effect of the IPL annealing on GO layer is analyzed using X‐ray photoelectron spectroscopy (XPS) and transmission electron microscope (TEM). In the analysis results, the depth gradient reduced GO layer is clearly observed. In addition, the switching mechanism of ReRAM is investigated using energy band diagram of ReRAM structure(Cu/GO/r‐GO/Al). This ReRAM device fabricated on flexible substrate (PI substrate) does not show the degradation in switching characteristics even after bending the substrate in 1000 times with a 5 mm bending radius, demonstrating excellent mechanical endurance of ReRAM device.
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 ».