基于铪氧化物的双层铁电隧道结作为神经形态计算的人工突触
应用物理
2021-07-05 v1 材料科学
新兴技术
摘要
基于铪锆氧化物(Hf1-xZrxO2; HZO)的铁电隧道结(FTJ)是未来应用(如低功耗存储器和神经形态计算)中有前景的候选者。其隧穿电阻(TER)可通过HZO薄膜的极化状态进行调控。为规避在1-3 nm隧穿范围内制备薄铁电HZO层的挑战,采用夹在两个对称金属电极之间的铁电/介电双层结构。由于铁电极化存储层与具有更高带隙的介电隧穿层解耦,在两个极化状态之间获得了显著的TER比值。利用先前报道的开关行为和电阻的渐变可调性,FTJ可用作脉冲神经网络中神经形态计算突触仿真的潜在候选者。展示了突触的两个主要组成部分:通过调节施加于人工FTJ突触的电压脉冲的幅度/宽度/数量实现长时抑制/增强,以及通过在每个电极施加时间延迟电压得到脉冲时序依赖可塑性曲线。这些实验结果表明了基于铪氧化物的FTJ实现脉冲神经网络与神经形态计算的潜力。
引用
@article{arxiv.2107.00945,
title = {Hafnia-based Double Layer Ferroelectric Tunnel Junctions as Artificial Synapses for Neuromorphic Computing},
author = {Benjamin Max and Michael Hoffmann and Halid Mulaosmanovic and Stefan Slesazeck and Thomas Mikolajick},
journal= {arXiv preprint arXiv:2107.00945},
year = {2021}
}