Adv. Mater.：僅原子厚度且超低功耗的憶阻器

【引言】

隨著摩爾定律走到盡頭，基于馮諾依曼體系的現有計算體系遇到了挑戰，使用神經網絡的高并行度的計算日趨興起。人工智能和機器學習的發展更是為神經網絡計算帶來了新的前景。憶阻器，也叫做阻變式存儲器，被認為是是下一代神經網絡計算里最有前景的硬件單元。這類存儲器件利用存儲介質里導電通道的形成和斷開來實現數據的寫入和擦除。顯而易見，存儲介質的厚度對導電通道的形貌和尺度有決定性影響。更薄的存儲介質不僅意味著更大的空間存儲密度，也指數地降低了存儲器的功耗，同時又極大地提高了數據寫入和擦取速度。

【文章簡介】

南加州大學Han Wang教授和佛羅里達大學Jing Guo（共同通訊作者）的研究團隊首次實現了亞納米尺度的憶阻器存儲介質層制備。利用二維層狀材料的原子尺度平滑，可以克服基于傳統ALD技術只能制備3納米以上的存儲介質的問題。得益于氧氣等離子態的強氧化作用，常規條件下異常穩定的雙層六角氮化硼晶體被氧化為無定形態，而保留原有0.9納米的厚度以及原子尺度的均勻性。利用這類氧化后的氮化硼制備的憶阻器可以在10^-12安培以下的電流工作，工作功率只有10^-15W, 比此前世界紀錄低了約一千倍。形象地講，一個平均尺寸的西紅柿從一米高桌子上掉落所釋放的能量可以讓這個存儲器操作1000萬億次。這個超薄低概率憶阻器可以容易地高密度集成到現有硅半導體器件工藝中， 實現產業化。它不光是一個節能的電學存儲器，也可能會在神經網絡電子學、并行計算、人工智能等領域有新興應用，并極大地降低這些產業的功耗水平。

【亮點】

本文首次實現了亞納米尺度的電學存儲器件制備。本文報道的憶阻器保持了現有電學存儲器最薄和功耗最低的世界紀錄。

【圖文導讀】

圖1、器件結構示意圖

頂電極是銀，底電極是石墨烯。兩電極之間是0.9 nm厚的氧化氮化硼。

圖2、器件I-V曲線和TEM截面照片

基于氧化氮化硼的憶阻器的電學曲線，工作電流在亞皮安級別。插圖是器件的透射電鏡照片，先生銀電極和石墨烯電極中間的氧化氮化硼介質（BNOx）只有0.9納米厚。

圖3、100個直流測試周期里的阻值分布

憶阻器在100個測試循環中高阻態（HRS）和低阻態的阻值分布。

【總結與展望】

本文報道了基于二維層狀材料的極低功率超薄憶阻器，并開創了使用氧等離子態制備氧化介質的先河。實現此類器件的大規模陣列制備和開發相應的神經網絡算法將會是下一個有趣的方向。

研究團隊簡介：

此工作的主要完成單位是南加州大學電子系Han Wang教授課題組，組內主要研究方向是介觀尺度的新興材料和電子器件。

第一作者Huan Zhao，畢業于南京大學物理學院，現在是南加州大學電子系的博士生。

文獻鏈接：Atomically Thin Femtojoule Memristive Device（Adv.mater.，2017，DOI: 10.1002/adma.201703232）

本文由 可可 投稿。

投稿以及內容合作可加編輯微信：RDD-2011-CHERISH，任丹丹，我們會邀請各位老師加入專家群。

材料牛網專注于跟蹤材料領域科技及行業進展，如果您對于跟蹤材料領域科技進展，解讀高水平文章或是評述行業有興趣，點我加入編輯部。歡迎大家到材料人宣傳科技成果并對文獻進行深入解讀，投稿郵箱tougao@cailiaoren.com。

儀器設備、試劑耗材、材料測試、數據分析，找材料人、上測試谷！