• CNAS认证
  • ISO 认证
  • 新型研发机构
  • 军工三证 
  • 国家高企 
  • 博士后实践基地
咨询热线 400-005-5990

首页 资讯 更小!更快!更节能!三校联合的这项研究让数据爆炸再也不怕!

更小!更快!更节能!三校联合的这项研究让数据爆炸再也不怕!

研究背景

目前,进入物联、大数据、人工智能的时代,在安防监控、药物服务、工业生产等不同领域,无时无刻都在发生着数据爆炸现象。在当今互联网,到2020年,数据已经达到了40万亿千兆字节或者每人5兆字节的程度。一般情况下,在传感器终端收集的大量模拟信号会通过远程数据中心和共享计算资源上传到云中,以进行大量存储和按需处理。

然而,尽管目前大量的数据存储和处理已经展现出节省成本、提高生产效率和信息安全性的优势,无差别的数据的传输会导致许多冗杂无效的数据也在传输,这就导致了计算资源的显著浪费和能量的巨大损耗。

能源匮乏已经被认为是本世纪中叶信息技术行业面临的最严峻的挑战。因此,人们迫切希望可以在物理设备或数据源附近发明新的电子设备和低能耗的计算范式,以便进行实时的数据处理和预筛选,降低能量损耗。

另一方面,进行实时数据的筛选,可以有利于周围环境变化时的快速响应,例如在车辆自动驾驶时即时检测,以更短时间避开道路上的障碍物。

理论上,忆阻器(Memristor)可以像神经元一样,能够同时计算和存储数据。因此,忆阻器可以潜在地大大减少传统计算机在处理器和内存之间来回穿梭数据的能量和时间。

近年来,有关忆阻器的研究发展迅速。忆阻器可以应用在很多领域,包括神经网络计算,场域可编程逻辑闸阵列等等。

研究成果

聚合物忆阻器由于具有重量小、柔韧性好等优点,成为了低功耗计算的主要候选者。然而,大多数聚合物的结构不均匀性通常会导致随机和高度局部的电阻开关特性,从而降低了实际应用中纳米级忆阻器的良率和可靠性。为解决这个问题,华东理工大学陈彧教授团队、上海交通大学刘钢研究员团队及合肥工业大学张章教授团队合作开展了聚合物忆阻功能材料的合成及纳米神经形态器件构建研究工作。首次制备了线宽为100纳米的有机高分子忆阻器件,其性能良好:在百纳米到百微米的尺度范围内呈现了均匀的忆阻调变,器件响应时间小于32 ns、功耗仅为10 fJ/bit、循环耐受性大于108次,D2D性能参数波动介于3.16% ~ 8.29%,器件良率高达90%以上相关成果以“90% yield production of polymer nano-memristor for in-memory computing”为题发表在《Nature Communications》上。

图文速递

由于大多数聚合物材料的结构各向异性和不均匀性,电场通常都在制成的薄膜中分布不均。与聚合物链相关的分子水平缺陷包括末端和折叠,堆垛层错,位错,以及宏观的晶界,空隙和裂纹,产生随机且高度局部的电阻开关特性。在具有不均匀的微观结构特征的样品上缩小忆阻器电池的制造规模可能会导致器件具有不同的电性能,从而导致不适合实际应用的低产量和可靠性。如果可以通过一定程度的分子堆积和结晶度,内部电场的分布,分子规模的电子程序来有效地控制聚合物薄膜的形态,电阻切换的发生将更加均匀。这将大大提高在缩小尺寸过程中的聚合物忆阻器的稳定性。

图片

图1 忆阻器中丝状(上层)和处理后(下层)电阻切换现象及其缩小过程

研究者采取了二维π-共轭策略,提高分子平面,包装排序,以及聚合物薄膜的结晶性均匀化的内部电场的半结晶有机半导体的分布和电阻开关。通过Stille反应合成了2D共轭氧化还原活性聚合物PBDTT-BQTPA 。由于相当长的骨架共轭长度以及相邻DA对之间的链内和或链间电荷转移相互作用,由BDT电子给体和喹喔啉受体组成的主链使聚合物具有高载流子迁移率和半导体性质。并且,该聚合物薄膜表面表现出面外面对面的分子堆积构型和聚合物平面的面内层转堆积,使得内部电厂均匀化,从而更有利于电子跃迁现象。

图片

图2 二维共轭聚合物的分子结构、推及顺序和均匀转换特性

图 3显示了在施加幅度为±1 V的恒定电压应力前后,PBDTT-BQTPA薄膜在5 µm×5 µm面积上的C-AFM电流映射图像。-BQTPA薄膜具有良好的绝缘特性,漏电流小,不超过2.5 pA。切换到ON状态会在空间上均匀地增加聚合物层的导电能力,并且整个图像显示出超过15 nA的显着且均匀分布的电流。为了研究纳米级忆阻器的良率,研究者以8X8的纵横制阵列测量了64个忆阻器器件的I-V特性,表明纳米级器件的产率估计为90.6%。以上结构都证实了二维共轭策略在增强聚合物忆阻器的器件均匀性和可靠性方面的优势。

=

图片

图3 共轭聚合物的本体开换特性和纳米器件性能


研究者构建了本双态电阻开关聚合物忆阻器,使用LeNet-5模型构建用于手写数字识别的二进制神经网络。通过数学建模和仿真模拟发现,对于10,000张(28X28像素)图像,可以实现超过99.23%的识别精度。这个结果显示,二进制神经网络能够在代表性的模式识别任务上实现令人满意的性能,其中按位运算(与浮点/定点精度相比,仅涉及+1和-1的二进制权重)可以导致显着减少内存和计算资源的使用。在线学习模拟在经过1个时期的训练后,具有60,000张图像,识别率高达97.13%。

图片

图4 基于2D聚合物忆阻器设备的模拟申请形态模式识别


结论与展望

综上,该文章报告了二维共轭聚合物PBDTT-BQTPA的设计,该聚合物表现出均一的电阻开关特性,使用其可以实现90%的有机忆阻器的良率

忆阻器由于其优良的性能及其不可或缺的重要性,已经展现出了广泛的应用前景,有望从根本上颠覆现有的硅芯片行业。但是目前我国的忆阻器行业仍然处于初步阶段,如何将忆阻器从实验室中发展到实际应用中,仍然是下一步的重点,我国科研人员任重道远!


文章链接:https://www.nature.com/articles/s41467-021-22243-8


本文为e测试原创文章,未经允许,谢绝转载。

预约须知

须知:

暂不预约,了解常见问题 立即预约