High-contrast and stable operation of a plasmonically-enhanced GSST-based phase-change memory cell using plasmonic chain modes for photonic memory applications
Notice bibliographique
Résumé
This study focuses on designing a plasmon-enhanced phase change material (PCM) based optical phase change memory with high reading contrast (≈80%, the best recorded so far) and providing operational stability across different design parameters and read wavelength swings. For this, plasmon chain modes are utilized in tandem with a PCM/Ag nano-antenna with a nanometric cross-section, which acts as a memory element. By adjusting the core and cladding of the waveguide and operating in mono-mode conditions, this high contrast is obtained at 1.04~μm. Furthermore, this high contrast is kept stable by using dipolar transverse plasmon chain modes generated by a series of horizontally placed metallic (silver) nanowires along the propagation axis. For the PCM, GSST ( Ge 2 Sb 2 Se 4 Te 1 ) is considered. Having chain modes interact with PCM, instead of the fundamental TE-like or TM-like mode, shifts the peak wavelength of the transmission spectra of the chain mode, differently for amorphous and crystalline states, hence creating a high contrast near the anti-symmetric cut-off wavelength. We also got a good write (11.5 pJ) and erase (41.4 pJ) energy, write (2 ns) and erase (15 ns) latency values, which are an order of magnitude better than contemporary NAND flash, electrical-PCM, and optical-PCM technologies, and comparable with recent advancements in plasmonic PCM memory schemes. This research is an important step towards implementing photonic neuromorphic computing, which promises even THz speeds of operation, at a reduced power consumption, as high contrast directly relates to high packing/crystallization fractions within the PCM cell, which enables multi-level storage within a single cell.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».