Sinapsis Electrónicas de Cambio de Resistencia Controlable Bilateralmente a Largo Plazo Basadas en Ge2Sb2Te5 dopado con Ga para Computación Neuromórfica

Resumen La plasticidad a largo plazo de las bio-sinapsis modula la transmisión sináptica estable que está bastante relacionada con el codificación de información y su emulación utilizando hardware electrónico es uno de los objetivos importantes para la computación neuromórfica. La memoria de acceso aleatorio de cambio de fase (PCRAM) basada en Ge2Sb2Te5 (GST) se ha convertido en un fuerte candidato para sinapsis electrónicas integradas compatibles con semiconductores de óxido metálico complementario (CMOS) para afrontar las tareas de procesamiento de datos de alta eficiencia y bajo consumo energético para la computación neuromórfica. Sin embargo, el rendimiento de las sinapsis electrónicas PCRAM sigue siendo bastante limitado debido a los desafíos en la regulación lineal y continua de la conductancia, que se origina en la característica de cambio de resistencia rápida y incontrolable del PCRAM convencional para la aplicación de almacenamiento de datos. Aquí se informa de un estudio en profundidad sobre el impacto de la dopaje de Galio (Ga) en las propiedades estructurales de GST (GaGST) y en los dispositivos integrados de PCRAM fabricados con tecnología CMOS de 0.13 µm con una estructura de hongo. La dopaje de Ga retrasó eficazmente el proceso de cristalización de GST al aumentar el desorden local de los tetraedros de GeTe4-nGen, lo que posteriormente conduce al cambio de resistencia controlable bilateralmente de los dispositivos PCRAM correspondientes. Las sinapsis electrónicas optimizadas de 6.5%GaGST demuestran características de cambio de resistencia gradual y una buena capacidad de retención multilevel y eventualmente exhiben una destacada plasticidad sináptica a largo plazo como potenciación/depresión y plasticidad dependiente del tiempo de espigas en cuatro formas. Tales sinapsis electrónicas a largo plazo se aplican al reconocimiento de dígitos manuscritos (96.22%) y la categorización de imágenes CIFAR-10 (93.6%) y alcanzan una precisión muy alta para ambas tareas. Estos resultados proporcionan un método efectivo para lograr sinapsis electrónicas PCRAM de alto rendimiento y destacan el gran potencial de GaGST PCRAM como componente para la futura computación neuromórfica de alto rendimiento.