Precursor Ratio-Controlled Chloride Vacancies in Lead-Free KCuCl3-x Memristors for Forming-Free Gradual Resistive Switching and Neuromorphic Learning

Stellen Sie sich einen Computer vor, der nicht durch das Umschalten starrer Ein/Aus-Schalter denkt, sondern indem er die fließenden, anpassungsfähigen Verbindungen nachahmt, die im menschlichen Gehirn zu finden sind. Dies ist das Versprechen des neuromorphen Computings, eines Feldes, das versucht, elektronische Systeme zu bauen, die Informationen wie biologische Neuronen lernen und verarbeiten. Das Herzstück dieser Bemühungen sind winzige Bauteile namens Memristoren, die in der Lage sind, ihre vergangenen elektrischen Zustände zu speichern und ihren Widerstand zu ändern, um die Stärkung oder Abschwächung von Synapsen im Gehirn nachzuahmen. Damit diese Bauteile gut funktionieren, müssen sie in der Lage sein, ihre Leitfähigkeit reibungslos und präzise anzupassen, anstatt nur zwischen zwei festen Ebenen hin und her zu springen. Um dies zu erreichen, verlassen sich Wissenschaftler oft auf winzige fehlende Teile innerhalb der atomaren Struktur des Materials, die als Vakanzen bekannt sind. Diese fehlenden Stellen ermöglichen es Ionen, sich unter einem elektrischen Feld zu bewegen und anzuordnen, wodurch die Pfade entstehen, die den Wechsel der Zustände des Bauteils ermöglichen. Das Finden der richtigen Menge dieser fehlenden Teile ist jedoch ein empfindlicher Balanceakt: Zu wenige, und das Bauteil kann nicht effizient schalten; zu viele, und das Verhalten wird chaotisch und unzuverlässig.

Ein Forschungsteam am Indian Institute of Technology Kharagpur und dem Raja Narendralal Khan Women's College hat einen neuen Weg entwickelt, um diese fehlenden Teile in einer speziellen Art von Material zu kontrollieren, das sicher für die Umwelt ist. Anstatt Blei zu verwenden, das giftig ist und in vielen ähnlichen Materialien vorkommt, arbeiteten sie mit einer bleifreien Verbindung aus Kalium, Kupfer und Chlor. Durch die sorgfältige Anpassung des Rezepturs zur Herstellung dünner Schichten dieses Materials konnten sie die Anzahl der fehlenden Chloratome mit hoher Präzision abstimmen. Diese Kontrolle ermöglichte es ihnen, ein Bauteil zu schaffen, das den Widerstand reibungslos und ohne die Notwendigkeit einer harten anfänglichen „Trainingsspannung“ ändert – eine häufige Hürde bei ähnlichen Technologien. Das Ergebnis ist ein Memristor, der nicht nur zuverlässig schaltet, sondern auch effektiv lernt, wobei er in Computersimulationen eine hohe Genauigkeit bei der Erkennung handgeschriebener Ziffern und Modeartikel erreichte.

Die Forscher begannen damit, Kaliumchlorid und Kupferchlorid in unterschiedlichen Proportionen zu mischen, um fünf verschiedene Versionen des Materials zu erstellen, die von einem perfekten Gleichgewicht bis hin zu einer Version reichen, in der Kalium signifikant reduziert ist. Während sie das Verhältnis der Ausgangszutaten änderten, verschob sich die interne Struktur der resultierenden dünnen Schichten auf vorhersehbare Weise. Mithunter Verwendung leistungsstarker Röntgenanalysen beobachteten sie, dass sich das Kristallgitter, also das sich wiederholende Muster der Atome, in einer Richtung leicht ausdehnte, während es in anderen Richtungen schrumpfte. Viel wichtiger war jedoch, dass sie fanden, dass die fehlenden Chloratome nicht zufällig verstreut waren. Stattdessen bildeten sie sich bevorzugt an spezifischen terminalen Chloridstellen innerhalb der Kristallstruktur des Bulks, an denen die Chloratome weniger fest gebunden waren. Diese gezielte Entfernung von Atomen schuf eine kontrollierte Umgebung, in der sich die Kupferatome ändern konnten, indem sie von einem Zustand, der eine magnetische Signatur trägt, in einen Zustand wechselten, der keine mehr besitzt. Dieser Wechsel bestätigte, dass die fehlenden Chloratome die elektronische Landschaft des Materials aktiv veränderten, was den Fluss von Elektrizität erleichterte.

Mit zunehmender Anzahl dieser fehlenden Chloratome änderte sich die Fähigkeit des Materials, Elektrizität zu leiten, in einer sehr spezifischen Weise. Die Schichten mit einer moderaten Menge an fehlenden Atomen zeigten eine bemerkenswerte Verbesserung in ihrer Reaktion auf elektrische Impulse. In den früheren Versionen mit weniger fehlenden Atomen benötigte das Bauteil eine hohe Anfangsspannung, um zu funktionieren – ein Prozess, der als Electroforming bekannt ist – und ihr Schaltverhalten war abrupt. Im Gegensatz dazu schalteten die Versionen mit einer sorgfältig abgestimmten Konzentration an fehlenden Atomen ohne den anfänglichen hohen Spannungsschub und die Änderung des Widerstands geschah graduell. Diese graduelle Änderung ist entscheidend für die Nachahmung des Gehirns, in dem Synapsen in kleinen, kontinuierlichen Schritten statt in plötzlichen Sprüngen gestärkt oder abgeschwächt werden. Die Forscher fanden heraus, dass das Bauteil mit der optimalen Menge an fehlenden Atomen über 10.000 Mal schalten konnte, ohne zu versagen, wobei es eine klare Unterscheidung zwischen seinen hohen und niedrigen Widerstandszuständen beibehielt.

Der wahre Test dieser Bauteile erfolgte, als die Forscher sie verwendeten, um ein einfaches Gehirnetzwerk zu simulieren. Sie speisten das tatsächliche elektrische Verhalten ihres leistungsfähigsten Bauteils in ein Computermodell ein, das darauf ausgelegt ist, Bilder zu erkennen. Als das System gebeten wurde, handgeschriebene Zahlen aus einem Standarddatensatz zu identifizieren, erreichte es eine Genauigkeit von fast 99 Prozent. Bei Tests mit einem komplexeren Satz von Bildern, die verschiedene Arten von Kleidung zeigten, blieb die Genauigkeit mit über 91 Prozent hoch. Diese Ergebnisse waren deutlich besser als die der Bauteile mit zu wenigen oder zu vielen fehlenden Atomen. Die Bauteile mit zu vielen fehlenden Atomen schalteten zwar schneller, litten aber unter einer schnellen Sättigung der Leitfähigkeit und einer reduzierten Linearität, was den Lernprozess verwirrte und weniger genau machte. Dies demonstrierte, dass es einen „Sweet Spot“ in der Konzentration der Defekte gibt, in dem das Material am effektivsten beim Lernen ist.

Die Studie verdeutlichte auch, warum diese Balance so wichtig ist. Wenn die Konzentration der fehlenden Atome zu hoch war, wurden die Pfade für Elektrizität zu zahlreich und ungeordnet, was zu einem Kontrollverlust über den Schaltprozess führte. Das Bauteil würde sättigen, was bedeutet, dass es seinen maximalen oder minimalen Widerstand zu schnell erreichte, wodurch kein Raum mehr für die subtilen Anpassungen blieb, die zum Lernen nötig sind. Umgekehrt war bei einer zu geringen Konzentration die Bewegung der Ionen zu langsam, was mehr Energie und Zeit für das Schalten erforderte. Die von den Forschern gefundene optimale Version bot gerade genug bewegliche Defekte, um ein schnelles, energieeffizientes Schalten zu ermöglichen, während sie gleichzeitig genug Ordnung bewahrte, um sicherzustellen, dass die Änderungen präzise und wiederholbar sind. Diese Arbeit stellt eine klare Verbindung zwischen der atomaren Anordnung eines Materials und seiner Fähigkeit her, komplexe Aufgaben wie das Lernen auszuführen, und bietet einen Entwurf für die Gestaltung zukünftiger elektronischer Systeme, die sowohl leistungsstark als auch umweltfreundlich sind.