Tuning WO_x electronic properties for neuromorphic computing

Neuromorphic computing, inspired by the brain, is gaining attention as deep-learning algorithms demand low-power, energy-efficient, learnable, and compact computational platforms. A practical approach to achieving such platforms in the near term involves crosspoint arrays with tunable conductance elements, which can accelerate the multiply-and-accumulate operations crucial in deep learning algorithms. CMOS-compatible solutions are thus in high demand, with tungsten oxide (WO_x) emerging as a promising material due to its tunable conductivity controlled by the density of oxygen vacancies (V_O) within its structure. This work employs direct laser writing to nanoengineer the phase of a thin WO_x layer grown on native SiO_2 under three conditions: amorphous, polycrystalline, and polycrystalline with a capping layer to slow oxygen kinetics. Laser power sweeps on continuous films, analyzed via conductive AFM, reveal that surface conductivity increases with increasing power, although excessive exposure leads to diminished conductivity due to surface roughness. Similar behavior is observed after patterning 2-terminal devices with channels having same WO_x conditions, measured using a two-probe technique. Environment with lower oxygen partial pressure resulted in higher conductance after patterning. The increase in conductivity, correlated with oxygen vacancies, is accompanied by color changes, also examined through reflectance spectra in the 200-1500 nm range, reflecting the emergence of W^{+4} and W^{+5} states. Resistive switching is observed in polycrystalline samples, while amorphous samples exhibit linear characteristics. The capping layer reduces volatility in the modifications, and in its absence, the amorphous phase is more stable than the polycrystalline, as verified by overnight IV measurements. The temporal behavior after patterning can be effectively modeled with an exponential function combined with a constant term. Additionally, back-patterning of WO_x through a glass substrate was successfully achieved.

Il calcolo neuromorfico, ispirato al cervello, sta guadagnando attenzione poiché gli algoritmi di deep learning richiedono piattaforme computazionali a basso consumo energetico, efficienti, apprendibili e compatte. Un approccio pratico per ottenere tali piattaforme nel breve termine prevede l’uso di array a punto incrociato con elementi a conducibilità regolabile, che possono accelerare le operazioni di moltiplicazione e accumulo cruciali negli algoritmi di deep learning. Le soluzioni compatibili con CMOS sono quindi molto richieste, e l’ossido di tungsteno (WO_x) emerge come un materiale promettente grazie alla sua conducibilità regolabile, controllata dalla densità di vacanze di ossigeno (V_O) all’interno della sua struttura. Questo lavoro impiega la scrittura laser diretta per nanoingegnerizzare la fase di uno strato sottile di WO_x cresciuto su SiO_2 nativo in tre condizioni: amorfo, policristallino e policristallino con uno strato di copertura per rallentare la cinetica dell’ossigeno. Le variazioni di potenza laser su film continui, analizzate tramite AFM conduttivo, rivelano che la conducibilità superficiale aumenta con l’aumento della potenza, sebbene un’esposizione eccessiva porti a una riduzione della conducibilità a causa della rugosità della superficie. Un comportamento simile è osservato dopo la modellazione di dispositivi a 2 terminali con canali aventi le stesse condizioni di WO_x, misurati tramite una tecnica a due sonde. Un ambiente con pressione parziale di ossigeno inferiore ha portato a una maggiore conducibilità dopo la modellazione. L’incremento di conducibilità, correlato con le vacanze di ossigeno, è accompagnato da cambiamenti di colore, esaminati anche tramite spettri di riflettanza nel range 200-1500 nm, riflettendo l’emergere degli stati W^{+4} e W^{+5}. Lo switching resistivo è osservato nei campioni policristallini, mentre i campioni amorfi mostrano caratteristiche lineari. Lo strato di copertura riduce la volatilità nelle modifiche, e in sua assenza, la fase amorfa è più stabile rispetto a quella policristallina, come verificato tramite misurazioni IV per tutta la notte. Il comportamento temporale dopo la modellazione può essere efficacemente modellato con una funzione esponenziale combinata con un termine costante. Inoltre, è stata realizzata con successo la modellazione del WO_x dalla parte posteriore attraverso un substrato di vetro.