Dépôt numérique
RECHERCHER

Inkjet-printed flexible resistive switching memory.

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Huber, Bernhard (2019). Inkjet-printed flexible resistive switching memory. Thèse. Québec, Université du Québec, Institut national de la recherche scientifique, Doctorat en sciences de l'énergie et des matériaux.

[thumbnail of Huber, Bernhard.pdf]
Prévisualisation
PDF
Télécharger (18MB) | Prévisualisation

Résumé

L'implémentation de l'"Internet des Objets" va nécessiter un nombre élevé de systèmes intégrés à faible coût afin de suivre, stocker, et transmettre différentes sortes de données. Par conséquent, ces systèmes intégrés doivent inclure des capteurs, des circuits électroniques, de la mémoire de données, et des transmetteurs. Pour la fabrication de ces systèmes, l'impression jet d'encre peut garantir un faible coût de production tout en offrant des dispositifs flexibles. Bien que des capteurs, circuits, et transmetteurs imprimés existent déjà, personne n'a encore rapporté une mémoire imprimée par jet d'encre satisfaisante. Le but de cette thèse est d'adresser les exigences restantes en ce qui concerne les dispositifs mémoire imprimés afin de complémenter un système imprimé à faible-coût qui facilitera l'"Internet des Objets". À cet égard, la mémoire résistive est particulièrement intéressante pour le procédé d'impression de par sa simple structure triple-couches. Nos cellules mémoire consistent en une électrode inférieure d'Ag électrochimiquement active, une couche isolante de SiO₂ ou WO₃, et une électrode supérieure constituée d'un polymère inerte conducteur. L'état logique ("0" ou "1") de la cellule mémoire est défini par sa résistance, mesurée entre les deux électrodes. Alors que l'état initial isolant démontre une haute résistance, la cellule peut être commutée de façon réversible vers un état de faible résistance. Pour ce faire, un filament d'Ag connectant les électrodes peut être formé en appliquant les tensions appropriées et ainsi réduire la résistance de la cellule. Nous présentons des cellules mémoire complètement imprimées avec une endurance élevée, une longue rétention, et un degré de flexibilité élevé. Dans le but de développer une cellule mémoire trouvant différentes applications, nous proposons des cellules avec différentes structures capables de répondre aux exigences spécifiques des applications possibles. Ainsi, les structures spécifiques des cellules sont optimisées pour offrir soit une transparence élevée, soit une flexibilité accrue, soit une fabrication sans frittage. L'excellente flexibilité de nos cellules mémoire est testée à l'aide d'un système pivoter-et-plier fait-maison : les cellules restent totalement opérationnelles après 500,000 cycles de flexions avec un rayon de 3 mm. La microscopie à force atomique en mode de conduction ainsi que la microscopie électronique à balayage à sonde ionique focalisée confirment la nature filamentaire du mécanisme de commutation. Un modèle basé sur les dimensions du filament et la théorie de diffusion de Fick est développé afin de quantifier la rétention de l'état de faible résistance, qui est limitée par la diffusion spontanée du filament d'Ag. Pour finir, l'aptitude des cellules mémoire à agir comme des synapses artificielles dans le cadre de l'informatique neuromorphique est étudiée. Les facteurs influençant la réponse d'apprentissage des cellules sont quantifiés, et ainsi leur processus d'apprentissage est optimisé.

The full implementation of the "Internet of Things" will require a large number of low-cost embedded systems to track, store, and transmit various types of data. Therefore, these embedded systems have to include sensors, electronic circuits, data memory, and transmitters. For the fabrication of these systems, inkjet printing can guarantee low-cost production while enabling flexible devices. Although printed sensors, circuits, and transmitters already exist, satisfactory inkjet-printed memory has not been reported. The goal of this thesis is to address the unresolved need for printed memory devices to complement low-cost printed system which will facilitate the "Internet of Things". In this regard, resistive memory is particularly attractive for the printing process due to its simple three-layered structure. The memory cells consist of an electrochemically active bottom electrode of Ag, an insulating layer of SiO₂ or WO₃, and a top electrode of an inert conducting polymer. The logical state ("0" or "1") of the memory cell is defined by its resistance measured between the two electrodes. While the initial, insulating state shows a high resistance, the cell can be switched reversibly to a low resistance state. To that end, by applying appropriate voltages, an Ag filament can be formed as a connection between the electrodes and thus lowers the resistance of the cell. Fully inkjet-printed memory cells with a high endurance, long retention, optical transparency, and a high degree of flexibility are fabricated. Driven by the motivation to establish memory cells for different application scenarios, different cell structures are developed to fit specific demands for possible applications. Thus, specific cell structures are optimized for either high optical transparency, enhanced flexibility, or the potential to be sinter-free. The memory cells' excellent flexibility is tested in the in-house built rotate-to-bend device: the cells are still fully functioning after 500,000 bending cycles at a radius of 3 mm. Conductive Atomic Force Microscopy and Focused Ion Beam Scanning Electron Microscopy confirm the filamentary nature of the switching mechanism. Based on the filament dimensions and Fick's theory of diffusion, a model is developed to quantify the retention of the low resistance state, which is limited by spontaneous diffusion of Ag atoms at the Ag filament. Finally, the memory cells' suitability to act as artificial synapses in the framework of neuromorphic computing is investigated. Factors influencing the cells' learning response are quantified and thus, their learning behavior in artificial neural networks could be optimized.

Type de document: Thèse Thèse
Directeur de mémoire/thèse: Ruediger, Andreas
Co-directeurs de mémoire/thèse: Schindler, Christina
Mots-clés libres: énergie et matériaux
Centre: Centre Énergie Matériaux Télécommunications
Date de dépôt: 25 juill. 2019 18:06
Dernière modification: 29 sept. 2021 19:00
URI: https://espace.inrs.ca/id/eprint/8451

Gestion Actions (Identification requise)

Modifier la notice Modifier la notice