[发明专利]基于忆阻器件过渡金属氧化物的碱性掺杂的忆阻器件

说明书

忆阻器件包括第一导电材料层。氧化物材料层被布置在第一导电层上。第二导电材料层被布置在氧化物材料层上，其中第二导电层包括金属‑碱合金。

背景技术

本发明涉及忆阻器件。更具体地，本发明涉及基于过渡金属氧化物的碱性掺杂的忆阻器件。

“机器学习”被用于广泛地描述从数据学习的电子系统的主要功能。在加速的机器学习和认知科学中，人工神经网络(ANN)是一系列统计学习模型，其灵感来自动物的生物神经网络，并且特别地是大脑。ANN可以被用于估计或近似取决于大量输入且通常未知的系统和功能。ANN架构、神经形态微芯片和超高密度非易失性存储器可以从被称为交叉(cross-bar)阵列的高密度低成本电路架构被形成。基本交叉阵列配置包括一组导电行线和被形成为与该一组导电行线交叉的一组导电列线。两组线之间的交叉点由所谓的交叉点器件分开，交叉点器件可以从薄膜材料被形成。交叉点器件可以被实现为所谓的忆阻器件。忆阻器件的特性包括非易失性、存储可变电阻值的能力以及使用电流或电压脉冲调高或调低电阻的能力。

发明内容

根据本发明的实施例，忆阻器件包括第一导电材料层。氧化物材料层被布置在第一导电层上。并且第二导电材料层被布置在氧化物材料层上，其中第二导电材料层包括金属-碱合金。

根据本发明的另一实施例，一种形成忆阻器件的方法包括在第一导电材料层的一部分上沉积氧化物材料层。第二导电材料层被沉积在氧化物材料的层的一部分上，其中第二导电材料层包括金属-碱合金。

根据本发明的另一实施例，一种忆阻器件包括第一导电材料层。氧化物材料层被布置在第一导电材料层上。扩散阻挡层被布置在氧化物材料层上。第二导电材料层被布置在氧化物材料层上，其中第二导电材料层包括金属-碱合金。

根据本发明的另一实施例，一种形成忆阻器件的方法包括在第一导电材料层的一部分上沉积氧化物材料层。扩散阻挡层被沉积在氧化物材料层的一部分上。第二导电材料层被沉积在氧化物材料层的一部分上，其中第二导电材料层包括金属-碱合金。

根据本发明的另一实施例，一种忆阻器件包括第一导电材料层。氧化物材料层被布置在第一导电材料层上，其中氧化物材料层被暴露于碱金属持续一段持续时间。第二导电材料层被布置在氧化物材料层上。

通过本文描述的技术实现了附加的特征和优点。本文详细描述了其他实施例和方面。为了更好地理解，参考说明和附图。

附图说明

通过结合附图进行的以下详细描述，实施例的前述和其他特征和优点将变得显而易见，在附图中：

图1描绘了生物神经元的输入和输出连接的简化示图；

图2描绘了图1中所示的生物神经元的已知简化模型；

图3描绘了并入图2中所示的生物神经元模型的ANN的已知简化模型；

图4描绘了已知权重更新方法的简化框图；

图5描绘了能够在一个或多个实施例中被使用的随机计算方法的简化框图；

图6描绘了控制无源双端忆阻器的操作的已知方程；

图7描绘了根据一个或多个实施例的具有外周神经元的突触的单个矩阵；

图8描绘了根据一个或多个实施例的、在导电材料层的有源区上沉积氧化物层之后的忆阻器件的侧视图；

图9描绘了根据一个或多个实施例的、随着氧化物层被插入碱金属的忆阻器件的侧视图；

图10描绘了根据一个或多个实施例的、在氧化物层被插入碱金属之后的忆阻器件的侧视图；

图11描绘了根据一个或多个实施例的、在合金层在氧化物层上的沉积之后的忆阻器件的侧视图；