Cool. Lithium-Ionen-Batterien können als Festplatten verwendet werden.

Wenn Lithium-Ionen-Batterien irgendetwas mit Computern zu tun hätten, würde es Sie überraschen, wenn ich sagen würde, dass Lithium-Ionen-Batterien jetzt als wichtige elektronische Komponente in hochpräzisen Computerschaltungen verwendet werden könnten? Ja, als der Herausgeber diesen Artikel zum ersten Mal bekam, traute er seinen eigenen Augen nicht. Lithium-Ionen-Batterien, denen die Technologie zum Speichern von Energie zu fehlen scheint, können tatsächlich in hochpräzisen Schaltkreisen elektronischer Computer verwendet werden. Es ist wirklich verwirrend. Es gibt nur einen Satz im Herzen des Herausgebers in Bezug auf die Lithium-Ionen-Batterie: Warum gehst du nicht in den Himmel?

In den letzten Jahren ist mit der rasanten Entwicklung der Computertechnologie, insbesondere der Entwicklung der künstlichen neuronalen Netzwerktechnologie, die Nachfrage nach umfangreicher Informationsspeicherung immer größer geworden, aber herkömmliche Speicherkomponenten, beispielsweise SRAM und DRAM, verwenden eine logische Architektur für serielle Operationen im Speicherprozess, was nicht nur zu einer geringen Speichereffizienz führt, sondern auch den Energieverbrauch im Informationsspeicherprozess erheblich erhöht. Um die Mängel des traditionellen Speichers zu überwinden, haben unsere angesehenen Ingenieure Cross-Memory entwickelt. Das bemerkenswerte Merkmal dieses Speichers ist die Verwendung einer Logiklogik mit parallelem Betrieb, die die Effizienz des Speichers verbessert und den Energieverbrauch des Informationsspeichers reduziert.

Jüngste Berichte haben gezeigt, dass neuronale Netzwerkprototypen, die auf Cross-Array-Strukturen filamentöser Metalloxid-Memristoren basieren, darauf trainiert wurden, eine einfache grafische Identifizierung und Dateiklassifizierung durchzuführen. Es gibt jedoch immer noch viele Einschränkungen bei diesen Speichern, die sich auf die Richtigkeit und Energieeffizienz dieser Speicherkomponenten auswirken. Das erste ist ernsthaftes Schreibrauschen, nichtlineares Schreiben und übermäßig hohe Schaltspannung und -strom.

Um die derzeitigen Beschränkungen der Cross-Storage zu überwinden, hat EliotJ vom Sandia National Laboratory in den USA. Fuller entwickelte einen Transistor auf der Basis einer Lithium-Ionen-Batteriestruktur (LISTA), bei der es sich um einen nichtflüchtigen Redox-Widerstandsschaltertransistor handelt. Der Wirkungsmechanismus besteht darin, die an beide Enden von LISTA angelegte Spannung zu verwenden, um Lithiumionen zum Einbetten und Austreten zwischen positiven und negativen Polen anzutreiben, um den Zweck der Steuerung von Transistorschaltern zu erreichen. Im Vergleich zu anderen Speichertypen ist die Energiebarriere zwischen den Festelektrolyten von LISTA und den leitenden Kanälen sehr gering. Die Aktivierungsenergie der Li + -Diffusion in LiCoO2 beträgt nur etwa 0,25 eV, Li + diffundiert in LiCoO2 und unter Bedingungen mit geringem Strom beträgt das minimale Überpotential nur 5 mV und unter dem großen Strom nur 100 mV, also nur sehr Eine kleine Spannung ist erforderlich, um den Schaltzustand zu steuern. Noch wichtiger ist, dass es im Verlauf des Betriebs von LISTA keine großen Phasenübergänge wie bei anderen Speichern gibt und die Diffusion von Lithiumionen in LiCoO2 die Kristallstruktur nur geringfügig verändert. Daher hat LISTA im Vergleich zu anderen Speichertypen die Vorteile eines geringen Schreibrauschens, eines linearen Betriebs sowie einer geringen Betriebsspannung und eines niedrigen Betriebsspannungsstroms, wodurch der Speicherstromverbrauch erheblich reduziert werden kann und sich sehr gut für die Anwendung in künstlichen neuronalen Netzen eignet.

Die Struktur von LISTA ist oben gezeigt. Es ist mit einer Schicht aus Pt und Leckelektroden auf dem Substrat aus SiO2 bedeckt und mit einer Schicht aus 120 nm dickem LiCoO2-Leitungsweg mit einem 400 nm dicken LPON-Festelektrolyten in der Mitte und einer Schicht auf der anderen Seite verbunden. Ein 20 nm dickes Sigat. Das Arbeitsprinzip besteht darin, Li + durch Anlegen einer Spannung an die Gateelektrode zum Übertragen vom leitenden Pfad zur Gate-Elektrode zu treiben, wodurch die Konzentration von Li + im leitenden Pfad und während des Prozesses von gesteuert wird Li + wanderte aus LiCoO2 heraus und LiCoO2 vervollständigte den Übergang von einem Isolator zu einem Metallleiter, um den Zweck der Steuerung der Leitfähigkeit des leitenden Pfades zu erreichen. Der Hauptgrund für die Wahl von LiCoO2 ist seine gute Stabilität in Festelektrolyten und seine gute Recyclingleistung. Der Schaltzustand von LISTA kann über Wochen oder sogar Monate aufrechterhalten werden. Obwohl der Schalter aufgrund der Selbstentladung möglicherweise ausgeschaltet wird, kann er durch Erhöhen der Diffusionsbarriere gut gesteuert werden. In der Tat kann die aktuelle Technologie bereits die Kontrolle LISTA Selbstentladungsrate auf einem Niveau von <UNK> 3 <UNK> / Jahr, und neuronale Netze im Allgemeinen keine Lagerzeit von bis zu 10 Jahren erfordern. Im Allgemeinen werden Informationen im Speichernetzwerk jede Woche neu geschrieben. Daher kann die aktuelle Leistung von LISTA bereits bestehende Anforderungen erfüllen. Das Lesen und Schreiben von Test zeigte, dass bei einer Kapazität von 10 <UNK>, LISTA eine Lebensdauer von 100.000-mal hat, die im Grunde auf die Bedürfnisse von künstlichen neuronalen Netzen erfüllt, und kann weiterhin die Recyclingleistung von LISTA verbessern durch Erhöhung des Kristallgrades der positive Pol und reduziert die Dicke. Darüber hinaus weist LISTA das höchste Signal-Rausch-Verhältnis in aktuellen Speicherkomponenten auf und eignet sich sehr gut für die Anwendung in künstlichen neuronalen Netzen.

EliotJ. Fullers Arbeit hat eine neue Idee für die Entwicklung eines speicherarmen, rauscharmen und hochlinearen Speichers entwickelt, der von künstlichen neuronalen Netzen benötigt wird. Dabei werden die Vorteile von Li + durch Barrieren mit geringer Streuung und geringer Aktivierungsenergie in LiCoO2 genutzt. Es wurde ein Hochleistungsspeicher-LISTA mit extrem geringem Stromverbrauch entwickelt, der die Energieverbrauchseffizienz von Informationsspeichern in großem Maßstab erheblich verbesserte, zur Entwicklung künstlicher neuronaler Netze beitrug und auch einen weiteren wichtigen Beitrag von Lithium-Ionen-Batterien zum Entwicklung der menschlichen Wissenschaft und Technologie.

Verweise:

Li-Ion Synthetic Transform Lowe Power Analyse, Adv. Mater. 2016, ElliotJ. Fuller et al. al

Die Seite enthält den Inhalt der maschinellen Übersetzung.