Исследователи из Лондонского университета королевы Марии и компании Paragraf Limited достигли значительного прогресса в разработке мемристоров на основе графена.
Достижение, опубликованное в журнале ACS Advanced Electronic Materials, представляет собой важный шаг в масштабируемом производстве мемристоров на основе графена, которые необходимы для энергонезависимой памяти и искусственных нейронных сетей.
Мемристоры, устройства, способные выполнять аналоговые вычисления, хранить данные без электропитания и имитировать синаптические функции человеческого
«Графеновые электроды приносят явные преимущества мемристорной технологии. Они предлагают не только повышенную выносливость, но и захватывающие новые приложения, такие как светочувствительные синапсы и оптически настраиваемая память», — говорит доктор Чжичао Вэн, научный сотрудник Школы физико-химических наук в Королевской Мэри.
Одной из ключевых проблем в разработке мемристоров является деградация устройства, которую графен может помочь предотвратить. Блокируя химические пути, которые разрушают традиционные электроды, графен может значительно продлить срок службы и надёжность этих устройств. Его прозрачность, пропускающая 98% света, также открывает двери для передовых вычислительных приложений, особенно в области искусственного интеллекта и оптоэлектроники.
Исследование является важным шагом на пути к масштабируемости графеновой электроники. Исторически производство высококачественного графена, совместимого с полупроводниковыми процессами, было значительным препятствием. Однако запатентованный Paragraf процесс металл-органического химического осаждения из паровой фазы (MOCVD) теперь позволяет выращивать монослойный графен непосредственно на целевых подложках.
Этот масштабируемый подход уже используется в коммерческих устройствах, таких как датчики Холла на основе графена и полевые транзисторы (GFET). «Возможность использования графена в создании вычислительных устройств следующего поколения, которые могут по-новому сочетать логику и хранение данных, открывает возможности для решения проблемы энергозатрат на обучение больших языковых моделей в ИИ», — говорит Джон Тингей, технический директор Paragraf.
Команда использовала многоэтапный процесс фотолитографии для моделирования и интеграции графеновых электродов в мемристоры, получая воспроизводимые результаты, которые открывают путь к крупномасштабному производству. «Наше исследование не только подтверждает концепцию, но и пригодность графена для улучшения характеристик мемристоров по сравнению с другими материалами», — добавляет профессор Оливер Фенвик, профессор электронных материалов в Школе инженерии и материаловедения Королевы Марии.