【摘 要】
:
物联网和工业的发展使得信息量爆炸式增长,新型存储器应运而生。忆阻器由于超小尺寸、结构简单、快擦写速度、超长保存周期、可持续微缩、与CMOS工艺兼容等优点成为最有潜力的新型存储器之一。其中,氧化物忆阻器因为制备简单、成分容易控制、性能优异的优点被广泛研究。而稀土掺杂已经被证明可以用于改善氧化物忆阻器的性能,所以稀土掺杂对氧化物阻变性能的影响是一个值得研究的课题。本文的主要研究内容与结果如下:1.利用
论文部分内容阅读
物联网和工业的发展使得信息量爆炸式增长,新型存储器应运而生。忆阻器由于超小尺寸、结构简单、快擦写速度、超长保存周期、可持续微缩、与CMOS工艺兼容等优点成为最有潜力的新型存储器之一。其中,氧化物忆阻器因为制备简单、成分容易控制、性能优异的优点被广泛研究。而稀土掺杂已经被证明可以用于改善氧化物忆阻器的性能,所以稀土掺杂对氧化物阻变性能的影响是一个值得研究的课题。本文的主要研究内容与结果如下:1.利用磁控溅射和光刻工艺制备了氧化铪忆阻器、氧化镍忆阻器、镧(La)、铈(Ce)、钆(Gd)掺杂的氧化铪和氧化镍忆阻器。2.研究了HfOx薄膜厚度、退火温度、电极大小对Ta/HfOx/Au/Cr/SiO2/Si忆阻器电学性能的影响,并分析了阻变机理。随着薄膜厚度增加,形成电压增大,电阻比增加;400度退火后,电阻比增大,耐久性和数据保持特性都得到改善;高组态阻值随着电极增大而减小。氧空位导电细丝的形成与断裂是忆阻器的电阻转变的主要原因。3.探究了La、Ce、Gd三种稀土元素掺杂对HfOx忆阻器电学性能的影响。掺杂可以降低忆阻器的操作电压,增大存储窗口。稀土附近氧空位的形成能降低,耐久性和数据保持特性有了很大的改善,而且掺杂并没有改变忆阻器的阻变机理。4.研究了NiO薄膜厚度、退火温度、电极大小对Ag/NiO/Au/Cr/SiO2/Si忆阻器电学性能的影响。NiO厚度增加使得形成电压、set电压增大,电阻比增大。退火温度的升高增大了忆阻器的操作电压,耐久性和数据保持特性都得到了改善。电极增大,高组态阻值减小。导电细丝的形成和断裂导致忆阻器的阻态转变。5.将掺杂前后的NiO忆阻器进行对比,分析了La、Ce、Gd三种稀土掺杂对于NiO忆阻器电学性能的影响。在掺杂方式上进行了创新。掺杂后,NiO忆阻器的set电压降低,存储窗口增大。这种掺杂方式引入的纳米晶体可以使得局部电场增强,忆阻器的电压分布、耐久性和数据保持特性都得到了改善。掺杂稀土元素同样没有改变NiO忆阻器的阻变机理。
其他文献
在当今互联网技术的迅速发展下,无论在社会中的哪个领域中,互联网的使用规模、用户数量、应用服务等都在不断增加,这不仅使我们的生活大大得到了改善,也使得互联网在我们的生活中越来越重要。但是,随着互联网的多元化发展以及网络中数据量的持续增长,网络对数据的传输要求越来越高,导致了网络拥塞的情况越来越严重,这对网络的发展和用户的体验都产生了很大的影响。如果是轻微的网络拥塞,会导致数据的传输效率下降,降低网络
物联网技术的发展带来了物联网传感器的广泛应用,随之而来的便是海量物联数据的存储挑战。在计算机系统的实际应用中存在着数据访问局部性的现象,即在一段时间内特定数据会被集中访问,数据可以分为“热数据”和“冷数据”,热数据指的是在一段时间内访问频率较高的数据,而冷数据指的是在一段时间访问频率较低的数据。存储技术的进步为数据存储带来了不同选择,对于海量物联数据存储,根据数据热度特征,可以采用不同的存储介质存
吉尔·德勒兹(Gilles Deleuze,1925-1995)是法国当代最重要的哲学家之一。生成论是德勒兹的重要理论之一,而文学与生命是德勒兹论文学的重要主题之一。本文基于德勒兹的生成论分析和研究英国作家刘易斯·卡罗尔(Lewis Carroll,1832-1898)的两部儿童小说《爱丽丝奇境历险记》和《爱丽丝镜中历险记》。本文主要包括以下几个部分:第一章是绪论部分,主要分析当前研究背景,明确了
随着社会的发展和互联网的普及,人们所面对的网络安全问题也日益增多,若只使用防火墙则无法解决此安全隐患。入侵检测作为一个动态的防御技术,对防火墙可以进行有效补充。随着人工智能的发展,机器学习也逐渐被应用于入侵检测领域,对网络进行实时监控和判别网络中的攻击行为。但随着网络数据规模变得高维且庞大,基于机器学习的入侵检测方法就会面临难以处理大规模数据和检测准确率降低等问题。此外,入侵检测领域还存在私有数据
在云计算领域,服务调度是一个重要分支。若服务的性能受到影响,可能会出现服务延时、服务不响应、服务反馈错误信息等问题,所以调度问题已成为云计算领域的关键研究问题之一。在物联网环境下,支撑服务的基础环境变得更加复杂,影响调度的因素也随之增多,例如数据分布更加分散,服务之间的依赖更加复杂等,这些都对调度提出了更高的要求。微服务是一种新型的应用软件结构,由于每个微服务都可以拥有自己的存储和处理资源,所以微
为改善车牌自动识别系统的通用性,在一般卷积神经网络(CNN)的基础上,提出一种具有两个浅层独立子网络的CNN,且具有并行卷积层计算的功能.一个用于推理车牌的概率;另一个利用线性激活对仿射参数进行回归.支持对汽车(包括公交车和卡车等)、摩托车等不同类型的交通工具牌照的检测识别.此外,使用基于YOLO v3的车牌字符识别模块,并施加了一系列的优化策略,实现对车牌中汉字的准确读取.实验结果表明所提方法的