研究报告:9月20日

多模记忆电阻器

来自苏黎世联邦理工学院、苏黎世大学和Empa的研究人员建立了一个新的忆阻器它可以在多种模式下工作，并有可能被用于在更多的应用中模拟神经元。

“忆阻器有不同的工作模式，能够根据人工神经网络的架构使用所有这些模式是有利的，”ETH的博士后Rohit John说。“但以前的传统忆阻器必须提前配置为这些模式之一。”新的忆阻器在使用过程中可以轻松地在两种工作模式之间切换:一种模式是信号随着时间的推移而变弱并死亡(易失模式)，另一种模式是信号保持不变(非易失模式)。“这两种运作模式也存在于人类大脑中。”

这种新型忆阻器由卤化物钙钛矿纳米晶体制成，这是一种常用于光伏电池的半导体材料。ETH教授Maksym Kovalenko说:“这些新型忆阻器中的‘神经传导’是通过暂时或永久地将电极上的银离子串在一起，形成穿透钙钛矿结构的纳米丝，电流可以通过纳米丝流动。”

研究小组指出，“这个过程可以被调节，使银离子丝变薄，从而逐渐分解成单个的银离子(挥发模式)，或者变厚且永久(非挥发模式)。”这是由记忆电阻器上的电流强度控制的:施加弱电流激活易失模式，而强电流激活非易失模式。”

“据我们所知，这是第一个可以根据需要可靠地在挥发性和非挥发性模式之间切换的忆电阻器，”苏黎世大学和ETH的博士生yi土耳其德米拉奥补充道。

研究人员测试了25个这种新型忆阻器，并用它们进行了2万次测量。他们能够在一个复杂的网络上模拟一个计算问题，包括将许多不同的神经元峰值分类为四种预定义的模式之一。

苏黎世大学和苏黎世联邦理工学院神经信息学研究所的Giacomo Indiveri教授说，忆阻器在应用于计算机之前还需要进一步优化，但它们也可以用于神经信息学的研究。“这些成分比以前的更接近真实的神经元。因此，它们可以帮助研究人员更好地测试神经信息学中的假设，并有望更好地理解人类和动物真实神经元回路的计算原理。”

改进了硅纳米线的热导性

来自加州大学伯克利分校、莱斯大学、马萨诸塞大学阿默斯特分校和清华大学的研究人员创造了单一同位素硅纳米线它能比典型的硅导电更多的热。

天然硅导热能力差是因为它有三种不同的同位素。大约92%的硅由同位素硅-28组成，硅-28有14个质子和14个中子;大约5%是硅29，有14个质子和15个中子;加州大学伯克利分校材料科学部门高级科学家、材料科学与工程兼职教授Joel Ager解释说，只有3%是硅-30，它是一种相对较重的物质，有14个质子和16个中子。当携带热的声子撞上硅29或硅30时，它们会改变方向并减速。

此外，硅纳米线的传热可能更差，比如那些用于栅极全能fet的纳米线，因为化学处理造成的粗糙表面进一步破坏了声子的传播。

体积同位素纯硅-28之前曾被研究过其更好的导热能力，但大约10%的增加并不值得额外的加工成本。

研究人员决定将这些早期发现应用于硅纳米线。使用一种称为化学蚀刻的技术，该团队制作了天然硅和硅-28纳米线，直径为90纳米。

为了测量热导率，研究人员将每根纳米线悬挂在两个装有铂电极和温度计的微加热器垫之间，然后对电极施加电流，使其中一个垫产生热量，并通过纳米线流向另一个垫。

加州大学伯克利分校材料科学部的科学家、材料科学与工程教授吴俊桥说:“我们预计使用同位素纯材料进行纳米线热传导只会带来20%左右的增量效益。”

相反，他们发现Si-28纳米线的导热性能比相同直径和表面粗糙度的天然硅纳米线好150%。

部分改进来自Si-28纳米线表面形成的玻璃状二氧化硅。计算模拟表明，同位素硅-29和硅-30的缺乏阻止了声子逃逸到表面，在那里二氧化硅层会大大减慢声子的速度。这反过来使声子沿着热流的方向保持在轨道上。

“这真的出乎意料。发现两种独立的声子阻塞机制——表面和同位素，以前被认为是相互独立的——现在在热传导中协同工作，这非常令人惊讶，但也非常令人欣慰，”Wu说。

吴说，该团队下一步计划研究如何“控制而不仅仅是测量这些材料中的热传导”。

用铜涂层冷却

伊利诺伊大学香槟分校和加州大学伯克利分校的研究人员提出了一种方法很酷的电子产品这比传统的散热器更紧凑。

伊利诺伊大学香槟分校(UIUC)机械工程博士生塔里克·格布雷尔(Tarek Gebrael)说，它使用了一种完全覆盖设备的铜涂层，包括“顶部、底部和侧面……一种覆盖所有暴露表面的保形涂层。”

研究人员指出，这消除了对热界面材料的需求，并完全取代了散热器和散热器。该涂料可用于空气和水中，用于浸泡冷却应用。

“在我们的研究中，我们将我们的涂层与标准的热沉方法进行了比较，”Gebrael说。“我们展示的是，与散热器相比，涂层可以获得非常相似的热性能，甚至更好的性能。”此外，使用新解决方案的设备比使用散热器的设备要小得多。这意味着单位体积的功率要高得多。我们能够证明，单位体积的功率增加了740%。”

伊利诺伊大学伊利诺伊分校机械科学与工程副教授Nenad Miljkovic补充说:“这项技术连接了两种独立的热管理方法:近结设备级冷却和板级传热。”

格布雷尔举了一个节省空间潜力的例子。“假设你有多个印刷电路板。当你使用我们的涂层时，与使用传统的液冷或风冷散热器相比，你可以在相同的体积内堆叠更多的印刷电路板。”应用可能包括电力电子冷却、数据中心热管理和电机冷却。

研究人员仍在研究涂层的可靠性和耐久性，包括在沸水、沸腾的电介质流体和高压环境中的可靠性。他们还将在全尺寸的电源模块和GPU卡上实现涂层，而在最初的工作中，他们只使用了简单的测试板。