主要观点总结
本文介绍了一种基于具有石墨烯接触的单个浮栅2D双极性MoTe2 FET的1T TCAM单元。该单元具有高的电阻比和对称的“1”和“0”状态，适用于记忆增强学习中的距离计算。文章还介绍了器件的制造过程、性能特性以及电路模拟结果。
关键观点总结
关键观点1: 研究背景
深度学习成功激发了人工智能硬件的发展，为满足日益增长的数据密集型计算需求，例如图形处理单元（GPU）和张量处理单元（TPU）等加速器被开发出来。然而，这些加速器面临处理和存储单元之间数据传输的瓶颈。内存计算成为了一种提高能效和降低延迟的范例，特别是在功率受限的边缘器件中。TCAM作为一个查找表，在内存计算应用中引起了广泛关注。
关键观点2: 技术细节
本研究中，使用具有底部石墨烯接触的MoTe2 FET构建单晶体管TCAM单元。底部石墨烯接触方案实现了接触肖特基势垒的栅极调制，促进了电子和空穴的载流子注入。沟道和接触材料的二维特性为超越硅CMOS的器件缩放提供了希望。通过与浮栅堆叠集成，实现了高可靠的非易失性存储特性。
关键观点3: 成果介绍
制备的1T TCAM单元具有大于1000的电阻比和对称的互补状态，允许大规模TCAM阵列的实现。电路模拟表明，基于阵列大小为128个单元的TCAM，内存中汉明距离计算很容易实现。这种TCAM单元在人工智能硬件，特别是记忆增强神经网络（MANN）中具有潜在的应用价值。
关键观点4: 展望
本研究为开发下一代人工智能硬件提供了一个有前途的平台。未来的研究可以进一步探索TCAM单元的缩放性能、集成度和耐用性，以及在实际应用中的性能和能效。
文章预览
点击蓝字 关注我们 为了方便各位同学交流学习，解决讨论问题，我们建立了一些微信群，作为互助交流的平台。 加微信交流群方式: 1.添加编辑微信:13162018291； 2.告知:姓名-课题组-研究方向，由编辑审核后邀请至对应交流群(生长，物性，器件)； 欢迎投稿欢迎课题组投递中文宣传稿，免费宣传成果，发布招聘广告，具体联系人：13162018291（微信同号） 研究背景 深度学习的成功激发了人工智能(AI)硬件的发展，以满足日益增长的数据密集型计算需求。例子包括为加速乘法和累加运算而优化的图形处理单元(GPU)和张量处理单元(TPU)。然而，这些加速器受到处理和存储单元之间数据传输的瓶颈。最近，内存计算已经成为一种范例，通过直接在内存单元内进行计算来提高能效和降低延迟，这对于功率受限的边缘器件尤其具有吸引力。三元内
………………………………
