Zephyrnet-logo

Et nytt minne for faseendring rettet mot å hjelpe datamaskiner med å behandle store datamengder 

Dato:

En teknisk artikkel med tittelen "Novel nanocomposite-superlattices for low energy and high stabilitet nanoscale phase-change memory" ble publisert av forskere ved Stanford University, TSMC, NIST, University of Maryland, Theiss Research og Tianjin University.

Abstrakt:

"Data-sentriske applikasjoner presser grensene for energieffektivitet i dagens datasystemer, inkludert de som er basert på faseendringsminne (PCM). Denne teknologien må oppnå lav-effekt og stabil drift på nanoskala dimensjoner for å lykkes i høy-tetthet minne arrays. Her bruker vi en ny kombinasjon av faseendringsmateriale supergitter og nanokompositter (basert på Ge4Sb6Te7), for å oppnå rekordlav effekttetthet ≈ 5 MW/cm2 og ≈ 0.7 V svitsjespenning (kompatibel med moderne logiske prosessorer) i PCM-enheter med de minste dimensjonene til dags dato (≈ 40 nm) for en supergitterteknologi på et CMOS-kompatibelt substrat. Disse enhetene også samtidig viser lav motstandsdrift med 8 motstandstilstander, god utholdenhet (≈ 2 × 108 sykluser), og rask veksling (≈ 40 ns). Den effektive vekslingen muliggjøres av sterk varmebegrensning i supergittermaterialene og enhetens dimensjoner i nanoskala. De mikrostrukturelle egenskapene til Ge4Sb6Te7 nanokompositt og dens høye krystalliseringstemperatur sikrer rask svitsjingshastighet og stabilitet i våre supergitter PCM-enheter. Disse resultatene gjenoppretter PCM-teknologien som en av frontløperne for energieffektiv datalagring og databehandling.»

Finn det teknisk papir her. Publisert januar 2024. Les dette relatert nyhetsartikkel fra Stanford University.

Wu, X., Khan, AI, Lee, H. et al. Nye nanokompositt-supergitter for lav energi og høy stabilitet i nanoskala faseendringsminne. Nat Commun 15, 13 (2024). https://doi.org/10.1038/s41467-023-42792-4

Videre Reading
MRAM får mer oppmerksomhet ved de minste nodene
Hvorfor denne 25 år gamle teknologien kan være det foretrukne minnet for ledende design og i bilapplikasjoner.
Øker AI-energieffektiviteten med databehandling i minnet
Hvordan behandle zettascale arbeidsbelastninger og holde seg innenfor et fast strømbudsjett.

spot_img

VC kafé

VC kafé

Siste etterretning

spot_img