MétaCan
Menu
Retour à la cohorte
Enregistrement W4400466529 · doi:10.1021/acsaenm.4c00293

Asymmetric-Resistive-Switching Device with Reconfigurable Synaptic Functions for Logic-In-Memory

2024· article· en· W4400466529 sur OpenAlexafffund
Baizhou Zhang, Tao Guo, Yongzan Zhou, Siyan Lu, Zuolong Chen, Y. Zhou, Yimin A. Wu

Notice bibliographique

RevueACS Applied Engineering Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Waterloo
Mots-clésComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Memristors are considered a very important component to build artificial neural networks and realize logic-in-memory computing that could revolutionize current von Neumann computing architectures. With a significant resistance switching behavior, memristor has ability of simulating neuromorphic computing in human brain. However, the development of memristor is restricted by reliability, manufacturing consistency, and fundamental mechanisms. To conquer these problems, a long-term stable device, the high-quality deposition method, and the investigation on the mechanism are required. In this work, a memristor with an asymmetric-resistive-switching (ARS) behavior was fabricated via the sputtering method, which is based on the structure of Mo/ZnO/In-doped Tin Oxide (ITO). It presented a unique voltage-controlled resistance switching behavior with multistate, which has long-term endurance and low volatility. It demonstrates long-term potentiation and depression characteristics. The mechanism of the unique ARS behavior was discussed. The ARS behavior could realize coupled AND and OR logic-in-memory operation. This device provides a promising application in the complex integrated circuits and artificial intelligence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,218
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Engineering MaterialsMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207