《Materials Science in Semiconductor Processing》:Low-voltage mixed-phase MoBi
2S
5 memristive devices with statistical modelling and bio-realistic synaptic plasticity
编辑推荐:
摘要本研究探讨了一种混合相 MoBi2S5 (MBS) 薄膜作为神经形态计算应用的阻变材料。MBS 薄膜是使用受阻沉淀技术 (APT) 合成的。使用 XRD、FE-SEM 和 XPS 进行的详细结构、形貌和化学表征证实了 MoS2 和 Bi2S3 相的共存。制备的 Ag/MB
摘要
本研究探讨了一种混合相 MoBi2S5 (MBS) 薄膜作为神经形态计算应用的阻变材料。MBS 薄膜是使用受阻沉淀技术 (APT) 合成的。使用 XRD、FE-SEM 和 XPS 进行的详细结构、形貌和化学表征证实了 MoS2 和 Bi2S3 相的共存。制备的 Ag/MBS/FTO 器件在低偏压 (±0.5 V) 下表现出稳定且可重复的双极阻变。对电荷 - 磁通特性的分析揭示了器件中的非理想忆阻器特性。此外,使用不同的统计技术对开关参数 (ISET 和 IRESET) 和存储状态 (低阻态和高阻态) 进行了建模。该器件模拟了关键的突触功能,包括增强 - 抑制、兴奋性突触后电流 (EPSC)、双脉冲易化 (PPF) 以及基于脉冲时间依赖可塑性的对称 Hebbian 和对称反 Hebbian 学习规则。这些结果确立了 MBS 作为下一代类脑计算系统的有前景的候选材料。
引言
神经形态计算已成为一种下一代计算范式,模仿人脑的架构和自适应学习机制。该方法为人工智能和边缘计算应用提供了并行数据处理和低功耗 [[1], [2], [3]]。使该技术成为可能的关键硬件组件是忆阻器或阻变 (RS) 器件,它们表现出可模拟生物突触功能的非易失性电阻状态。与传统的基于电荷的存储技术相比,忆阻器具有内在优势,包括超低功耗运行、高速开关、模拟可编程性以及用于高密度集成的卓越可扩展性。这些特征使忆阻器在新兴应用中极具吸引力,例如光电 [4]、仿生传感器 [5,6]、人机接口 [7]、图像分析 [8] 以及突触电子学。
一类多样化的材料,包括过渡金属硫族化合物、金属氧化物、氮化物、钙钛矿、生物材料和二维 (2D) 材料已被广泛研究用于基于阻变 (RS) 的神经形态器件。其中,过渡金属硫族化合物因其多变的电学性质、层状晶体结构、可调带隙和出色的光电特性 [9,10] 引起了显著关注。这些属性使得电阻状态的轻松调制成为可能,并增强了器件在重复开关循环下的稳定性。几种金属硫化物如 AgInS2 [11]、CuInS2 [11]、NaSbS2 [12] 和 Ag-In-Zn-S (AIZS) [13] 通过受控的离子迁移和缺陷辅助电荷传输展示了有前景的忆阻行为。在此材料类别中,三元钼 - 铋硫化物 (Mo-Bi-S) 代表了一种特别吸引人的神经形态应用材料。Mo 和 Bi 的结合引入了协同效应,介于 Mo 的高载流子迁移率和可变价态与 Bi 基硫族化合物的孤对电子诱导缺陷容忍度和稳定性之间。三元 MoBi2S5 是一种有前景的半导体材料,具有约 1.1-1.2 eV 的直接带隙。因此,它适用于光电和忆阻器件应用 [14]。多种阳离子物种和固有硫空位的存在促进了局域陷阱态和细丝导电通路的形成,这对于稳定的双极 RS 效应至关重要。此外,MoBi2S5 无毒、成本低且化学稳定的性质增强了其在器件制造中的适用性。
过去,各种自下而上的制造技术,如脉冲激光沉积、微波辅助合成、分子束外延、化学气相沉积和电沉积,已被广泛利用来生产硫族化合物薄膜 [[15], [16], [17], [18]]。在不同技术中,受阻沉淀技术 (APT) 提供了独特的优势 [19]。APT 能够在温和反应条件下实现可控的成核和生长,促进成分均匀性和强基底附着力。APT 方法的简单、低成本和可扩展性使其成为一种有吸引力的技术,用于制造用于神经形态电子应用的均匀三元硫族化合物薄膜。
在本研究中,成功制备了一种混合相 MoBi2S5 (MBS) 层,使用简便的溶液基 APT 方法并集成到 Ag/MBS/FTO 器件结构中。制备的器件在低工作电压 (±0.5 V) 内表现出双极 RS 特性,具有良好的耐久性。导电机制通过拟合适当的电荷传输模型进行了分析。电荷 - 磁通关系的分析表明该器件表现出非理想忆阻器行为。此外,使用各种统计模型系统地评估了开关电流 (ISET 和 IRESET) 和电阻状态 (低阻态和高阻态)。该器件还展示了关键的突触可塑性特性,包括增强 - 抑制行为、兴奋性突触后电流 (EPSC)、双脉冲易化 (PPF) 和脉冲时间依赖可塑性 (STDP),有效模拟了生物学习和记忆功能。这些发现确立了混合相 MoBi2S5 作为下一代神经形态计算应用的有前景功能材料。
章节片段
材料
用作铋源的硝酸铋五水合物 (Bi(NO3)3.5H2O) (Sigma Aldrich)。硫代乙酰胺 (C2H5NS) 连同醋酸钠 (C2H7NO2)、纯三乙醇胺 (TEA) (98%) 和氨 (NH4) 均购自 Sisco Research Laboratories (SRL)。四水合钼酸铵 (Mo7O24 6(NH4).4H2O) 购自 Sigma Aldrich。方块电阻约为 7 Ω sq?1 的氟掺杂氧化锡 (FTO) 涂覆玻璃基底也购自 Sigma Aldrich。
混合相 MoBi2S5 薄膜的合成与器件制备
一种溶液基 APT 被
结果与讨论
图 1a 展示了 APT 装置的示意图。在该方法中,前驱体在水介质中均匀混合,并在受控的 pH 和温度条件下,通过络合物种中金属离子的缓慢释放来调节反应动力学。该方法防止了失控的成核和团聚。该过程实现了均匀胶体中间体的形成,随后发生奥斯特瓦尔德熟化,导致较大颗粒的优先生长,
结论
总之,混合相 MoBi2S5 开关层成功通过 APT 合成并集成到用于突触学习应用的 Ag/MBS/FTO 器件中。制备的器件在 ±0.5 V 下表现出稳定的双极 RS 行为,并具有强大的循环间重复性。该器件展示了双值电荷 - 磁通 (q–φ) 响应,证实了其非理想忆阻特性。统计分析表明,对数正态分布准确捕捉了
CRediT 作者贡献声明
Aakanksha K. Mane: 写作 – 初稿,可视化,验证,方法论,调查,正式分析,数据整理,概念化。Somanath D. Pawar: 验证,软件,调查,正式分析。Yash V. Ambole: 验证,调查,正式分析,数据整理。Shubham A. Ahir: 软件,方法论,调查,正式分析。Vishvanath B. Ghanwat: 可视化,正式分析,数据整理。Trishala R. Desai: 方法论,正式分析,数据
声明
在本工作准备期间,作者使用 ChatGPT 以提高手稿的语法质量。使用该工具后,作者根据需要审查和编辑了内容,并对已发表文章的内容承担全部责任。
利益冲突声明
作者声明,他们没有已知的竞争性经济利益或个人关系可能影响本文报告的工作。
致谢
T.D.D. 感谢 Anusandhan 国家研究基金会 通过 州立大学研究卓越 (SERB-SURE) 计划 (项目编号 SUR/2022/000765) 提供研究资助。作者感谢 Anusandhan 国家研究基金会 (ANRF) 在 加速创新与研究伙伴关系 (PAIR) 计划 – 先进与功能材料机构网络下的支持,该网络由 印度理工学院班加罗尔分校 和
Aakanksha K. Mane|Somanath D. Pawar|Yash V. Ambole|Shubham A. Ahir|Vishvanath B. Ghanwat|Trishala R. Desai|Chitra Gurnani|A. Anto Jeffery|Kishorkumar V. Khot|Tukaram D. Dongale
计算电子学与纳米科学实验室,纳米科学与生物技术学院,印度马哈拉施特拉邦Kolhapur 希瓦吉大学,416004,印度