Adv. Mater.：仅原子厚度且超低功耗的忆阻器

【引言】

随着摩尔定律走到尽头，基于冯诺依曼体系的现有计算体系遇到了挑战，使用神经网络的高并行度的计算日趋兴起。人工智能和机器学习的发展更是为神经网络计算带来了新的前景。忆阻器，也叫做阻变式存储器，被认为是是下一代神经网络计算里最有前景的硬件单元。这类存储器件利用存储介质里导电通道的形成和断开来实现数据的写入和擦除。显而易见，存储介质的厚度对导电通道的形貌和尺度有决定性影响。更薄的存储介质不仅意味着更大的空间存储密度，也指数地降低了存储器的功耗，同时又极大地提高了数据写入和擦取速度。

【文章简介】

南加州大学Han Wang教授和佛罗里达大学Jing Guo（共同通讯作者）的研究团队首次实现了亚纳米尺度的忆阻器存储介质层制备。利用二维层状材料的原子尺度平滑，可以克服基于传统ALD技术只能制备3纳米以上的存储介质的问题。得益于氧气等离子态的强氧化作用，常规条件下异常稳定的双层六角氮化硼晶体被氧化为无定形态，而保留原有0.9纳米的厚度以及原子尺度的均匀性。利用这类氧化后的氮化硼制备的忆阻器可以在10^-12安培以下的电流工作，工作功率只有10^-15W, 比此前世界纪录低了约一千倍。形象地讲，一个平均尺寸的西红柿从一米高桌子上掉落所释放的能量可以让这个存储器操作1000万亿次。这个超薄低概率忆阻器可以容易地高密度集成到现有硅半导体器件工艺中， 实现产业化。它不光是一个节能的电学存储器，也可能会在神经网络电子学、并行计算、人工智能等领域有新兴应用，并极大地降低这些产业的功耗水平。

【亮点】

本文首次实现了亚纳米尺度的电学存储器件制备。本文报道的忆阻器保持了现有电学存储器最薄和功耗最低的世界纪录。

【图文导读】

图1、器件结构示意图

顶电极是银，底电极是石墨烯。两电极之间是0.9 nm厚的氧化氮化硼。

图2、器件I-V曲线和TEM截面照片

基于氧化氮化硼的忆阻器的电学曲线，工作电流在亚皮安级别。插图是器件的透射电镜照片，先生银电极和石墨烯电极中间的氧化氮化硼介质（BNOx）只有0.9纳米厚。

图3、100个直流测试周期里的阻值分布

忆阻器在100个测试循环中高阻态（HRS）和低阻态的阻值分布。

【总结与展望】

本文报道了基于二维层状材料的极低功率超薄忆阻器，并开创了使用氧等离子态制备氧化介质的先河。实现此类器件的大规模阵列制备和开发相应的神经网络算法将会是下一个有趣的方向。

研究团队简介：

此工作的主要完成单位是南加州大学电子系Han Wang教授课题组，组内主要研究方向是介观尺度的新兴材料和电子器件。

第一作者Huan Zhao，毕业于南京大学物理学院，现在是南加州大学电子系的博士生。

文献链接：Atomically Thin Femtojoule Memristive Device（Adv.mater.，2017，DOI: 10.1002/adma.201703232）

本文由 可可 投稿。

投稿以及内容合作可加编辑微信：RDD-2011-CHERISH，任丹丹，我们会邀请各位老师加入专家群。

材料牛网专注于跟踪材料领域科技及行业进展，如果您对于跟踪材料领域科技进展，解读高水平文章或是评述行业有兴趣，点我加入编辑部。欢迎大家到材料人宣传科技成果并对文献进行深入解读，投稿邮箱tougao@cailiaoren.com。

仪器设备、试剂耗材、材料测试、数据分析，找材料人、上测试谷！