《美国加州大学洛杉矶分校使用二维半导体材料制造可编程电子设备》

  • 来源专题:后摩尔
  • 编译者: shenxiang
  • 发布时间:2020-11-20
  • 据TechXplore网11月12日消息,加州大学洛杉矶分校研究人员开发出一种新方法,可使用二维半导体材料制造可编程电子设备。二维半导体材料的厚度仅为一个或几个原子直径,由于其晶格内掺入杂质掺杂剂的空间较为有限,导致这种半导体材料控制载流子类型和调整电子性能的能力相对较弱。加州大学洛杉矶分校研究人员利用碘化银中的超离子相变过程,调整二硒化钨制构成的二维半导体材料中的载流子类型。该研究打破了二维半导体的局限性,首次证明超离子材料可用于控制二维半导体的电荷载流子类型,并创建极性可切换的可编程电子组件,例如二极管和晶体管。此外,这类二维半导体可在室温下稳定运行,并且可以重复读写。

    论文信息:Sung-Joon Lee et al. Programmable devices based on reversible solid-state doping of two-dimensional semiconductors with superionic silver iodide, Nature Electronics (2020). DOI: 10.1038/s41928-020-00472-x

相关报告
  • 《利用拓扑半金属提高二维材料电子的能源效率》

    • 来源专题:后摩尔
    • 编译者:shenxiang
    • 发布时间:2020-06-24
    • 二维半导体被誉为下一代超小型计算电子的新选择。由于它们的超薄体通常只有几个原子厚,当它被制成场效应晶体管时,无需复杂的器件结构就可以有效地控制电开关操作。 2016年,世界经济论坛将二维材料列为未来电子领域十大新兴技术之一。2018年,石墨烯——一种具有特殊性能的二维材料——在世界经济论坛上再次被强调为革新传感器技术的关键等离子体材料之一。 当制造晶体管时,二维半导体需要被两种金属(称为源极和漏极)电接触。然而,这样的过程会在电源处产生一个不可接受的大电阻,即通常所说的接触电阻,并耗尽元件。较大的接触电阻会对晶体管的性能产生不利影响,并在器件中产生大量的热量。 这些不利影响会严重限制二维材料在半导体工业中的潜力。到目前为止,寻找一种与二维半导体结合时不会产生大接触电阻的金属仍是一项正在进行的探索。 新加坡理工大学(SUTD)领导的一个研究小组在《物理评论应用》杂志上报道,他们发现了一种解决二维半导体接触电阻问题的新策略。通过进行最新的密度泛函理论(DFT)计算模拟,SUTD研究小组发现,Na3Bi(一种新近发现的拓扑半金属,其导电性质受晶体对称性保护)的超薄膜,只有两个原子层,可以用作具有超低接触电阻的2D半导体的金属接触。 SUTD研究小组的首席科学家之一Yee Sin Ang博士说:“我们发现Na3Bi和2D半导体之间形成的肖特基势垒高度是业界常用的许多金属中最低的一种。”。 简而言之,肖特基势垒是金属和半导体之间形成的一层薄的绝缘体层。肖特基势垒高度对接触电阻有重要影响。小肖特基势垒高度是实现低接触电阻的理想选择。 发现Na3Bi和两种通常研究的二维半导体MoS2和WS2之间形成的肖特基势垒大大低于许多常用金属,如金、铜和钯,揭示了拓扑半金属薄膜在设计具有最小接触电阻的节能二维半导体器件时的强度。 SUTD研究小组的DFT专家曹列茂博士说:“重要的是,我们发现当Na3B与二维半导体接触时,二维半导体的固有电子性质保持不变。”。 二维半导体可以与接触的金属“熔合”在一起,变成金属。金属化的二维半导体失去了其原始的电学特性,这是电子学和光电子应用非常需要的。研究小组发现,Na3Bi薄膜不会使二维半导体金属化。因此,使用Na3Bi薄膜作为与2D半导体的金属接触对器件应用(如光电探测器、太阳能电池和晶体管)非常有利。 “我们将二维材料和拓扑材料相结合的开创性概念将为节能电子设备的设计提供一条新途径,这对于减少物联网和人工智能等先进计算系统的能源足迹尤为重要,该研究团队的首席研究员、SUTD科学、数学和技术集群的负责人Ricky L.K.Ang教授评论道。
  • 《加州大学洛杉矶分校开发的人工智能设备以光速识别物体》

    • 来源专题:集成电路
    • 编译者:Lightfeng
    • 发布时间:2018-08-05
    • 加州大学洛杉矶分校的电气和计算机工程师团队创建了一个物理人工神经网络,一个模拟人类大脑工作原理的设备,可以分析大量数据并以实际光速识别物体。该设备是使用加州大学洛杉矶分校Samueli工程学院的3D打印机打造的,并于7月26日发表在“科学”杂志上。 该研究的首席研究员,加州大学洛杉矶分校校长电气和计算机工程教授Aydogan Ozcan说:“这项工作为使用基于人工智能的设备提供了新的根本性机会,可以及时分析数据,图像并对物体进行分类。这种光学人工神经网络设备直观地模拟了大脑处理信息的方式,它可以应用到新的摄像机设计和独特的光学组件,在医疗技术,机器人,或图像和视频数据的处理等发面进行运用。”