通过功函数工程提升 FTJ 导通电流以用于大规模并行神经形态计算
应用物理
2022-11-02 v2 材料科学
新兴技术
摘要
基于 HfO2 的铁电隧道结 (FTJ) 在神经形态应用中展现出引人注目的特性。其超低功耗多级开关能力与低导通电流密度的结合，暗示了其在大规模并行计算电路中的应用。本工作中，我们讨论了一种具有多个并联 FTJ 器件的差分突触单元示例电路。此外，由电路需求我们推断电流的绝对差值 (Ion - Ioff) 是比隧穿电阻比 (TER) 更关键的品质因数。基于此，我们讨论了通过双层 HZO/Al2O3 FTJ 中的电极功函数工程进行 FTJ 器件优化的潜力。
引用
@article{arxiv.2209.10437,
title = {Improvement of FTJ on-current by work function engineering for massive parallel neuromorphic computing},
author = {Suzanne Lancaster and Quang T. Duong and Erika Covi and Thomas Mikolajick and Stefan Slesazeck},
journal= {arXiv preprint arXiv:2209.10437},
year = {2022}
}