ОСОБЕННОСТИ РЕЗИСТИВНОГО ПЕРЕКЛЮЧЕНИЯ МЕМРИСТОРОВ НА ОСНОВЕ ППК С НАНОЧАСТИЦАМИ PbTe ПРИ ФОТОВОЗБУЖДЕНИИ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Исследованы структурные и мемристичные свойства слоистых образцов Cu/ППК–PbTe/ITO на основе парилена (поли-n-ксилилен, ППК) с наночастицами PbTe. Обнаружено необычное влияние света на характер резистивного переключения (РП) — в высокоомном состоянии проводимость мемристора растет при подсветке, тогда как, в низкоомном состоянии наблюдается отрицательная фотопроводимость (т.е. заметное ее уменьшение) при циклических РП. Предложена качественная модель, описывающая механизм переключения при оптическом возбуждении и в его отсутствии. Характеристики РП и возможность управления ими с помощью освещения демонстрируют возможность использования гибридных ППК-мемристоров в качестве сенсорных и синаптических элементов при разработке нейроморфных систем компьютерного зрения.

Об авторах

А. Д. Трофимов

Национальный исследовательский центр «Курчатовский институт»; Московский физико-технический институт (государственный университет)

Email: trofimov_dd@nrcki.ru
Москва, Россия; Долгопрудный, Россия

С. Н. Николаев

Национальный исследовательский центр «Курчатовский институт»

Москва, Россия

А. В. Емельянов

Национальный исследовательский центр «Курчатовский институт»; Московский физико-технический институт (государственный университет)

Москва, Россия; Долгопрудный, Россия

В. А. Демин

Национальный исследовательский центр «Курчатовский институт»

Москва, Россия

В. В. Рыльков

Национальный исследовательский центр «Курчатовский институт»

Москва, Россия

Список литературы

  1. Lanza M., Pazos S., Aguirre F., Abu S., Gallo M., Alam S.M., Ikegawa S., Yang J.J., Vianello E., Chang M., Molas G., Naveh I., Ielmini D., Liu M., Roldan J.B. The growing memristor industry // Nature. 2025. V. 640. P. 613–622. https://doi.org/10.1038/s41586-025-08733-5
  2. Ielmini D., Pedretti G. Resistive Switching Random-Access Memory (RRAM): Applications and Requirements for Memory and Computing // Chem. Rev. 2025. V. 125. P. 5584–5625. https://doi.org/10.1021/acs.chemrev.4c00845
  3. Roldán J.B., Miranda E., Maldonado D., Mikhaylov A.N., Agudov N.V., Dubkov A.A., Koryazhkina M.N., Gonzá-lez M.B., Villena M.A., Poblador S., Saludes-Tapia M., Picos R., Jiménez-Molinos F., Stavrinides S.G., Salvador E., Alonso F.J., Campabadal F., Spagnolo B., Lanza M., Chua L.O. Variability in Resistive Memories // Adv. Intell. Syst. 2023. V. 5. № 6. P. 2200338. https://doi.org/10.1002/aisy.202200338
  4. Мацукатова A.Н., Трофимов А.Д., Емельянов А.В. Температурно-индуцированный переход между режимами резистивного переключения мемристивных кроссбар-структур на основе парилена // Письма ЖЭТФ. 2023. Т. 118. № 5. С. 355–360. https://doi.org/10.31857/s1234567823170081
  5. Yoon J.H., Song Y.-W., Ham W., Park J.-M., Kwon J.-Y. A review on device requirements of resistive random access memory (RRAM)-based neuromorphic computing // AIP Publishing, LLC. APL Mater. 2023. V. 11. № 9. P. 090701. https://doi.org/10.1063/5.0149393
  6. Chaurasiya R., Shih L.-C., Chen K.-T., Chen J.-S. Emerging higher-order memristors for bio-realistic neuromorphic computing: A review // Mater. Today. 2023. V. 68. P. 356–376. https://doi.org/10.1016/j.mattod.2023.08.002
  7. Shan X., Wang Z., Xie J., Xie J., Han J., Tao Y., Lin Y., Zhao X., Ielmini D., Liu Y., Xu H. Hemispherical Retina Emulated by Plasmonic Optoelectronic Memristors with All‐Optical Modulation for Neuromorphic Stereo Vision // Adv. Sci. 2024. P. 2405160. https://doi.org/10.1002/advs.202405160
  8. Zhou F., Chai Y. Near-sensor and in-sensor computing // Nat. Electron. 2020. V. 3. P. 664.
  9. Wan T., Shao B., Ma S., Zhou Y., Li Q., Chai Y. In‐sensor computing: materials, devices, and integration technologies // Adv. Mater. 2023. V. 35. № 37. P. 2203830. https://doi.org/10.1002/adma.202203830
  10. Ren Q., Zhu C., Ma S., Wang Z., Yan J., Wan T., Yan W., Chai Y. In‐Sensor Computing: Materials, Devices, and Integration Technologies // Adv. Mater. 2023. V. 35. № 37. P. 2203830. https://doi.org/10.1002/adma.202407476
  11. Pereira M.E., Martins R., Fortunato E., Barquinha P., Kiazadeh A. Recent progress in optoelectronic memristors for neuromorphic and in-memory computation // Neuromorphic Comput. Eng. 2023. V. 3. № 2. P. 022002. https://doi.org/10.1088/2634-4386/acd4e2
  12. Wang W., Gao S., Wang Y., Li Y., Yue W., Niu H., Yin F., Guo Y., Shen G. Advances in Emerging Photonic Memristive and Memristive‐Like Devices // Adv. Sci. 2022. V. 9. № 28. P. 2105577. https://doi.org/10.1002/advs.202105577
  13. Liu L., Cheng Z., Jiang B., Liu Y., Zhang Y., Yang F., Wang J., Yu X.F., Chu P.K., Ye C. Optoelectronic Artificial Synapses Based on Two-Dimensional Transitional-Metal Trichalcogenide // ACS Appl. Mater. Interfaces. 2021. V. 13. № 26. P. 30797–30805. https://doi.org/10.1021/acsami.1c03202
  14. Park H., Ju D., Mahata C., Emelyanov A., Koo M., Kim S. Long‐ and Short‐Term Memory Characteristics Controlled by Electrical and Optical Stimulations in InZnO‐Based Synaptic Device for Reservoir Computing // Adv. Electron. Mater. 2024. V. 10. № 8. P. 2300911. https://doi.org/10.1002/aelm.202300911
  15. Баранов А.Н., Митюшев Н.Д., Фирсов А.А., Кабачков Е.Н., Панин Г.Н. Фоточувствительные мемристорные структуры на основе восстановленного оксида графена и углеродных наночастиц // Журнал структурной химии. 2024. Т. 65. Вып. 4. С. 125704. https://doi.org/10.26902/JSC_id125704
  16. Chen Q., Zhang Y., Liu S., Han T., Chen X., Xu Y., Meng Z., Zhang G., Zheng X., Zhao J., Cao G., Liu G. Switchable Perovskite Photovoltaic Sensors for Bioinspired Adaptive Machine Vision // Adv. Intell. Syst. 2020. V. 2. № 9. P. 2000122. https://doi.org/10.1002/aisy.202000122
  17. Tan H., Liu G., Zhu X., Yang H., Chen B., Chen X., Shang J., Lu W. D., Wu Y., Li R. An Optoelectronic Resistive Switching Memory with Integrated Demodulating and Arithmetic Functions // Adv. Mater. 2015. V. 27. № 17. P. 2797–2803. https://doi.org/10.1002/adma.201500039
  18. Hu D.-C., Yang R., Jiang L., Guo X. Memristive Synapses with Photoelectric Plasticity Realized in ZnO1–x/AlOy Heterojunction // ACS Appl. Mater. Interfaces. 2018. V. 10. № 7. P. 6463–6470. https://doi.org/10.1021/acsami.8b01036
  19. Yuan L., Liu S., Chen W., Fan F., Liu G. Organic Memory and Memristors: From Mechanisms, Materials to Devices // Adv. Electron. Mater. 2021. V. 7. № 11. P. 2100432. https://doi.org/10.1002/aelm.202100432
  20. Minnekhanov A.A., Shvetsov B.S., Martyshov M.M., Nikiruy K.E., Kukueva E.V., Presnyakov M.Y., Forsh P.A., Rylkov V.V., Erokhin V.V., Demin V.A., Emelyanov A.V. On the resistive switching mechanism of parylene-based memristive devices // Elsevier. Org. Electron. 2019. V. 74. P. 89–95. https://doi.org/10.1016/j.orgel.2019.06.052
  21. Yuklyaevskikh G.A., Shvetsov B.S., Emelyanov A.V., Kulagin V.A., Rylkov V.V., Demin V.A. Plasticity of parylene memristors: Compact phenomenological model and synaptic properties // Elsevier Ltd. Chaos, Solitons & Fractals. 2025. V. 190. P. 115784. https://doi.org/10.1016/j.chaos.2024.115784
  22. Kim J.E., Kim B., Kwon H.T., Kim J., Kim K., Park D.W., Kim Y. Flexible Parylene C-Based RRAM Array for Neuromorphic Applications // IEEE Access. 2022. V. 10. P. 109760–109767. https://doi.org/10.1109/ACCESS.2022.3211956
  23. Shvetsov B.S., Minnekhanov A.A., Emelyanov A.V., Ilyasov A.I., Grishchenko Y.V., Zanaveskin M.L., Nesmelov A.A., Streltsov D.R., Patsaev T.D., Vasi-liev A.L., Rylkov V.V., Demin V.A. Parylene-based memristive crossbar structures with multilevel resistive switching for neuromorphic computing // IOP Publishing. Nanotechnology. 2022. V. 33. № 25. P. 255201. https://doi.org/10.1088/1361-6528/ac5cfe
  24. Cai Y., Tan J., YeFan L., Lin M., Huang R. A flexible organic resistance memory device for wearable biomedical applications // Nanotechnology. 2016. V. 27. № 27. P. 275206. https://doi.org/10.1088/0957-4484/27/27/275206
  25. Chen Q., Lin M., Wang Z., Zhao X., Cai Y., Liu Q., Fang Y., Yang Y., He M., Huang R. Low power parylene-based memristors with a graphene barrier layer for flexible electronics applications // Adv. Electron. Mater. 2019. V. 5. № 9. P. 1800852. https://doi.org/10.1002/aelm.201800852
  26. Matsukatova A.N., Vdovichenko A.Y., Patsaev T.D., Forsh P.A., Kashkarov P.K., Demin V.A., Emely-anov A.V. Scalable nanocomposite parylene-based memristors: Multifilamentary resistive switching and neuromorphic applications // Nano Res. 2023. V. 16. № 2. P. 3207–3214. https://doi.org/10.1007/s12274-022-5027-6
  27. Minnekhanov A., Matsukatova A., Trofimov A., Nesmelov A., Zavyalov S., Demin V., Emelyanov A. Reliable Memristive Synapses Based on Parylene-MoOx Nanocomposites for Neuromorphic Applications // ACS Appl. Mater. Interfaces. 2023. V. 15. № 47. P. 54996–55008.
  28. Trofimov A.D., Emelyanov A.V., Matsukatova A.N., Nesmelov A.A., Zavyalov S.A., Patsaev T.D., Forsh P.A., Liu G., Rylkov V.V., & Demin V.A. Photosensitive resistive switching in parylene–PbTe nanocomposite memristors for neuromorphic computing // Nanoscale. 2025. V. 17. P. 8484–8495. https://doi.org/10.1039/D5NR00456J
  29. Vaxenburg R., Boercker J.E., Woodall D.L., Ellis C.T., Hellberg C.S., Efros A.L., Tischler J.G. Intrinsic Gap States in Semiconductors with Inverted Band Structure: Comparison of SnTe vs PbTe Nanocrystals // J. Phys. Chem. C. 2019. V. 123. № 18. P. 11974–11981. https://doi.org/10.1021/acs.jpcc.9b01871
  30. Несмелов А.А., Завьялов С.А., Малахов С.Н., Бакиров А.В., Кондратьев О.А., Стрельцов Д.Р., Велигжанин А.А., Храмов Е.В., Трофимов А.Д., Миннеханов А.А., Емельянов А.В., Демин В.А., Чвалун С.Н. Синтез и свойства композитов на основе поли-пара-ксилилена и оксида молибдена // Химическая Физика. 2023. Т. 42. Вып. 7. C. 50–58. https://doi.org/10.31857/s0207401x23070142
  31. Ryabova M.A., Matsukatova A.N., Emelyanov A.V., Nesmelov A.A., Patsaev T.D., Demin V.A. Parylene-MoOx crossbar memristors as a volatile reservoir and non-volatile readout: a homogeneous reservoir computing system // Royal Society of Chemistry. Nanoscale. 2024. V. 16. № 44. P. 20628–20636. https://doi.org/10.1039/D4NR03368J
  32. Vedeneev A.S., Rylkov V.V., Napolskii K.S., Leontiev A.P., Klimenko A.A., Kozlov A.M., Luzanov V.A., Nikolaev S.N., Temiryazeva M.P., Bugaev A.S. Effects of electron drag of gold in pores of anodic aluminum oxide: Reversible resistive switching in a chain of point contacts // JETP Lett. 2017. V. 106. P. 411. https://doi.org/10.1134/S0021364017180138
  33. Strehblow H.H., Bettini M. Electrochemical Surface Reactions on PbTe // J. Electrochem. Soc. The Electrochemical Society, Inc., 1980. V. 127. № 4. P. 847–855. https://doi.org/10.1149/1.2129768
  34. Kang J., Kim T., Hu S., Kim J., Kwak J.Y., Park J., Park J.K., Kim I., Lee S., Kim S., Jeong Y. Cluster-type analogue memristor by engineering redox dynamics for high-performance neuromorphic computing // Springer US. Nat. Commun. 2022. Vol. 13, № 1. P. 4040. https://doi.org/10.1038/s41467-022-31804-4
  35. Jiang H., Ji H., Ma Z., Yang D., Ma J., Zhang M., Li X., Wang M., Li Y., Chen X., Wu D., Li X., Shan C., Shi Z. Simultaneous achieving negative photoconductivity response and volatile resistive switching in Cs2CoCl4 single crystals towards artificial optoelectronic synapse // Light Sci. Appl. 2024. Vol. 13, № 1. P. 316. https://doi.org/10.1038/s41377-024-01642-8
  36. Никируй К.Э., Емельянов А.В., Демин В.А., Рыльков В.В., Ситников А.В., Кашкаров П.К. Прецизионный алгоритм переключения мемристора в состояние с заданным сопротивлением // Письма В Журнал Технической Физики. 2018. V. 44. № 10. P. 20. https://doi.org/10.21883/pjtf.2018.10.46095.17099

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».