新型有机铁电场效应忆阻器的电学特性研究

《新型有机铁电场效应忆阻器的电学特性研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海师范大学硕士学位论文摘要论文题目：新型有机铁电场效应忆阻器的电学特性研究学科专业：凝聚态物理学位申请人：刘岚指导教师：王涛副教授；孟祥建研究员摘要忆阻器是一种基于“记忆”外加电压或者电流历史而动态改变其内部电阻状态的电阻开关，是未来被用于存储和建立大规模平行、低能耗的神经形态计算技术的重要候选器件。但是当前的两端忆阻器存在较大的读写噪音、阻值突变、本征随机性、差疲劳、高能耗等缺点。而三端忆阻器通过对栅压施加电学脉冲，可以调节源漏沟道间的电导，进而同时实现信息的传递和学习过程，并且在构建大规模阵列时三端晶体管忆阻器突触器件可以避免因寄生电流导

2、致的潜在通路（sneakpaths）现象，在多输入输出神经网络构建时具有更简易的布线等优点，在实现仿生突触和神经形态计算等功能上占有优势。本文主要对有机铁电材料和二维材料结合的场效应晶体管结构的三端忆阻器的电学特性进行研究。主要内容如下：1.首先通过摸索实验条件，优化实验参数，成功制备出双栅场效应晶体管。得出当场效应晶体管的介质层为铁电体薄膜二元聚偏氟乙烯P(VDF-TrFE)时，由于P(VDF-TrFE)剩余极化场的影响，转移特性曲线出现了一个很明显的回滞现象，MoS。如果将栅极介质层换2沟道纳米层的载流子迁移率可以达到95.65成传

3、统的有机介质层PMMA时，MoS。铁电2的迁移率只有15.35MoS752-FETs的开关比可以达到10，而PMMAMoS2-FETs的开关比只达到10。该实验为接下来探索其相关的忆阻特性奠定了实验基础。2.通过实验得知，当栅压直流信号变为脉冲电压信号时，仍可以通过控制铁电极化反转，从而调制MoS2-FETs沟道载流子浓度，沟道电导可以被调控约4个数量级，抗疲劳特性可以达到107次。该结果表明铁电P(VDF-TrFE)薄膜与二维材料MoS2的结合构成了一个新类型的忆阻器，为实现复杂电路学习功能和神经突触的硬件功能提供了实验基础。3.研究

4、了可控人造突触的有机铁电场效应晶体管，该类器件依赖于铁电畴动力学的纯电学机理而显示出大于100个中间电阻态的可控变化。突触的脉冲时间依赖可塑性（STDP）和脉冲频率依赖可塑性（SRTP）可以在单一器件中实现模拟，单个突触操作的能耗可以减小到几个皮焦，在生物大脑的工作频率（10赫兹）下可以持续工作10年，并且该类有机铁电突触器件与传统的CMOS工艺I摘要上海师范大学硕士学位论文兼容，可实现高密度忆阻器交叉阵列，为高性能和高有效性的无监督学习和记忆提供了新的方法。关键词：二硫化钼；场效应晶体管；P(VDF-TrFE)；忆阻器；突触ⅡShanghai

5、NormalUniversityMasterofScienceAbstractAbstractMemristorisakindofresistanceswitchthatdynamicallychangesitsinternalresistancestatebasedonthe“memory”appliedvoltageorcurrenthistory,whichisanimportantcandidateforfuturestorageandmassiveparallelismandlow-poweroperationinneuromorph

6、iccomputation.However,state-of-the-arttwo-terminalmemristorsufferingfromexcessivewritenoise,abruptresistancevariation,inherentlystochasticity,poorenduranceandcostlyenergyconsumption.Thesignaltransmissioniscarriedviathechannelandthesynapticweightspresentedbyvariouschannelcond

7、uctancearemodulatedindependentlyviathegateanddrainterminals(informationtransmissionandlearningprocess)inthethree-terminalmemristor.Intheconstructionofalarge-scalearray,transistorsynapticdevicescanlargelyavoidthephenomenonofsneakpathscausedbyparasiticcurrentsandhavetheadvanta

8、gesofeasierwiringinconstructingamultipleinput-outputneuralnetwork.Inorderto