- DSpace Home
- →
- Дисертації та автореферати
- →
- Дисертації докторів філософії
- →
- View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.
| dc.contributor.author | Залевський, Денис Віталійович | |
| dc.date.accessioned | 2023-04-28T05:18:42Z | |
| dc.date.available | 2023-04-28T05:18:42Z | |
| dc.date.issued | 2023 | |
| dc.identifier.citation | Залевський Д. В. Властивості матеріалів для резистивної пам’яті з довільним доступом – кваліфікаційна наукова праця на правах рукопису : дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 104 Фізика та астрономія (Фізика конденсованого стану) / наук. керівник - д-р фіз.-мат. наук, проф. Р. М. Балабай ; Криворізький державний педагогічний університет. Кривий Ріг, 2023. 169 с. | uk |
| dc.identifier.uri | http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/7070 | |
| dc.identifier.uri | https://doi.org/10.31812/123456789/7070 | |
| dc.description | 1. V. Gupta, S. Kapur, S. Saurabh, A. Grover, Resistive random access memory: a review of device challenges, IETE Tech. Review (2019) 1-14, https://doi.org/10.1080/02564602.2019.1629341. 2. R. Dittmann, J. P. Strachan, Redox-based memristive devices for new computing paradigm, APL Materials 7 (2019) 110903, https://doi.org/10.1063/1.5129101. 3. X. Yang, Demonstration of ultra-fast switching in nanometallic resistive switching memory devices, Journal of Nanoscience (2016) 1-7, https://doi.org/10.1155/2016/8132701. 4. S. Yin, Monolithically Integrated RRAM- and CMOS-Based In-Memory Computing Optimizations for Efficient Deep Learning, IEEE Micro 39 (2019) 54- 63, https://doi.org/10.1109/MM.2019.2943047. 5. T. Zanotti, P. Pavan, F.M. Puglisi, Comprehensive physics-based RRAM compact model including the effect of variability and multi-level random telegraph noise, Microelectronic Engineering 266 (2022) 111886, https://doi.org/10.1016/j.mee.2022.111886. 6. H. Lee, P. Chen, T. Wu, Y. Chen, C. Wang, P. Tzeng, Low power and high speed bipolar switching with a thin reactive Ti buffer layer in robust HfO2 based RRAM, IEEE International Electron Devices Meeting (2008) 1-4, https://doi.org/10.1109/IEDM.2008.4796677. 7. S. Choi, S. H. Tan, Z. Li, SiGe epitaxial memory for neuromorphic computing with reproducible high performance based on engineered dislocations, Nature Materials 17 (2018) 335-340, https://doi.org/10.1038/s41563-017-0001-5. 8. D. Kim, S. Kim, S. Kim, Logic-in-memory application of CMOS compatible silicon nitride memristor, Chaos, Solitons & Fractals 153 (2021) 2, https://doi.org/10.1016/j.chaos.2021.111540. 9. C. Wang, Multi-State Memristors and Their Applications: An Overview, IEEE Journal on Emerging and Selected Topics in Circuits and Systems 12 (2022) 723- 734, https://doi.org/10.1109/JETCAS.2022.3223295. 10. T. Endoh, H. Koike, S. Ikeda, T. Hanyu, H. Ohno, An Overview of Nonvolatile Emerging Memories — Spintronics for Working Memories, IEEE Journal on Emerging and Selected Topics in Circuits and Systems 6 (2016) 109-119, https://doi.org/10.1109/JETCAS.2016.2547704. 11. L. Sunghwan, S. Shem, L. Jinho, J. Dasom, A. Batyrbek, K. Arman, L. Seunghyun, Metal oxide resistive memory with a deterministic conduction path, J. Mater. Chem. C 8 (2020) 3897-3903, https://doi.org/10.1039/C9TC07001J. 12. A. Sawa, Resistive switching in transition metal oxides, Materials today 11 (2008) 28-36, https://doi.org/10.1016/S1369-7021(08)70119-6. 13. H. Wong, H. Lee, S. Yu, Y. Chen, Y. Wu, P. Chen, B. Lee, F. Chen, M. Tsai, Metal-oxide RRAM, Proceedings of the IEEE 100 (2012) 1951-1970, https://doi.org/10.1109/JPROC.2012.2190369. 14. M. Wu, J. Chen, Y. Ting, C. Huang, W. Wu, A novel high-performance and energy-efficient RRAM device with multi-functional conducting nanofilaments, Nano Energy 82 (2021) 2211-2855, https://doi.org/10.1016/j.nanoen.2020.105717. 15. S. Tappertzhofen, Introduction to non-volatile memory, Metal Oxides, Metal Oxides for Non-volatile Memory (2022) 1-32, https://doi.org/10.1016/B978-0-12- 814629-3.00001-5. 16. S. Dubey, A. Reddy, R. Patel, M. Abz, A. Srinivasulu, A. Islam, Architecture of resistive RAM with write driver, Solid State Electronics Letters 2 (2020) 10-22, ISSN 2589-2088, https://doi.org/10.1016/j.ssel.2020.01.001. 17. P. Cappelletti, J. Slaughter, Embedded memory solutions: Charge storagebased, resistive and magnetic, Electronic and Optical Materials, Semiconductor Memories and Systems (2022) 159-215, https://doi.org/10.1016/B978-0-12- 820758-1.00007-8. 18. K. Kuhn, CMOS and Beyond CMOS: Scaling Challenges, Electronic and Optical Materials, High Mobility Materials for CMOS Applications (2018) 1-44, https://doi.org/10.1016/B978-0-08-102061-6.00001-X. 19. P. Jeho, Applications of Field-Effect Transistor (FET)-Type Biosensors, Applied Science and Convergence Technology 23 (2014) 61-71, https://doi.org/10.5757/ASCT.2014.23.2.61. 20. J. Reuben, Rediscovering Majority Logic in the Post-CMOS Era: A Perspective from In-Memory Computing, J. Low Power Electron. Appl. 10 (2020) 28, https://doi.org/10.3390/jlpea10030028. 21. P. Meinerzhagen, S. Sherazi, A. Burg, J. Rodrigues, Benchmarking of Standard-Cell Based Memories in the sub-VT Domain in 65-nm CMOS Technology, IEEE Journal on Emerging and Selected Topics in Circuits and Systems 1 (2011) 173-182, https://doi.org/10.1109/JETCAS.2011.2162159. 22. S. Bose, V. Mohan, A. Basu, A 75kb SRAM in 65nm CMOS for In-Memory Computing Based Neuromorphic Image Denoising, IEEE International Symposium on Circuits and Systems (2020) 1-5, https://doi.org/10.1109/ISCAS45731.2020.9181218. 23. S. Karthi, Ultra-Low Power Memory Circuit Unit for Space Application, IOP Conf. Ser.: Mater. Sci. Eng. (2021) 1084, https://doi.org/10.1088/1757- 899X/1084/1/012059. 24. H. Byron, X. Nuo, S. Takuji, M. Kaoru, T. Masayuki, A. Yasushi, K. Tsu-Jae, Fabrication of segmented-channel MOSFETs for reduced short-channel effects, International Semiconductor Device Research Symposium (2011) 1-2, https://doi.org/10.1109/ISDRS.2011.6135280. 25. K. Ando, S. Fujita, J. Ito, S. Yuasa, Y. Suzuki, Y. Nakatani, T. Miyazaki, H. Yoda, Spin-transfer torque magnetoresistive random-access memory technologies for normally off computing (invited), Journal of Applied Physics 115 (2014) 172607, https://doi.org/10.1063/1.4869828. 26. G. Molas, L. Masoero, V. Della Marca, G. Gay, B. De Salvo, Improving embedded Flash memory technology: silicon and metal nanocrystals, engineered charge-trapping layers and split-gate memory architectures, Advances in Nonvolatile Memory and Storage Technology (2014) 120-157, https://doi.org/10.1533/9780857098092.1.120. 27. T. Chang, K. Chang, T. Tsai, T. Chu, S. Sze, Resistance random access memory, Materials Today 19 (2016) 254-264, https://doi.org/10.1016/j.mattod.2015.11.009. 28. G. Burr, R. Shenoy, K. Virwani, P. Narayanan, A. Padilla, B. Kurdi, H. Hwang, Access devices for 3D crosspoint memory, Journal of Vacuum Science & Technology B 32 (2014) 040802, https://doi.org/10.1116/1.4889999. 29. G. Molas, E. Nowak, Advances in Emerging Memory Technologies: From Data Storage to Artificial Intelligence, Appl. Sci. 11 (2021) 11254, https://doi.org/10.3390/app112311254. 30. U. Rasheed, H. Ryu, C. Mahata, R. Arif Khalil, M. Imran, A. Manzoor Rana, F. Kousar, B. Kim, Y. Kim, S. Cho, F. Hussain, S. Kim, Resistive switching characteristics and theoretical simulation of a Pt/a-Ta2O5/TiN synaptic device for neuromorphic applications, Journal of Alloys and Compounds 877 (2021) 160204, https://doi.org/10.1016/j.jallcom.2021.160204. 31. Y. Denny, T. Firmansyah, S. Oh, H. Kang, D. Yang, S. Heo, J. Chung, J. Lee, Effect of oxygen deficiency on electronic properties and local structure of amorphous tantalum oxide thin films, Materials Research Bulletin 82 (2016) 1-6, https://doi.org/10.1016/j.materresbull.2016.03.004. 32. W. Banerjee, Challenges and Applications of Emerging Nonvolatile Memory Devices, Electronics 9 (2020) 1029, https://doi.org/10.3390/electronics9061029. 33. Z. Jiang, Y. Wu, S. Yu, L. Yang, K. Song, Z. Karim, H. Wong, A Compact model for metal-oxide resistive random access memory with experiment verification, IEEE Transactions on Electron Devices 63 (2016) 1884-1892, https://doi.org/10.1109/TED.2016.2545412. 34. D. Maldonado, S. Aldana, M. González, F. Jiménez-Molinos, M. Ibáñez, D. Barrera, F. Campabadal, J. Roldán, Variability estimation in resistive switching devices, a numerical and kinetic Monte Carlo perspective, Microelectronic Engineering 257 (2022) 111736, https://doi.org/10.1016/j.mee.2022.111736. 35. F. Pan, S. Gao, C. Chen, C. Song, F. Zeng, Recent progress in resistive random access memories: materials, switching mechanisms, and performance, Materials Science and Engineering: R: Reports 83 (2014) 1-59, https://doi.org/10.1016/j.mser.2014.06.002. 36. J. Aeschlimann, M. Bani-Hashemian, F. Ducry, A. Emboras, M. Luisier, Insights into few-atom conductive bridging random access memory cells with a combined force-field/ab initio scheme, Solid-State Electronics 199 (2023) 108493, https://doi.org/10.1016/j.sse.2022.108493. 37. S. Aldana, P. García-Fernández, R. Romero-Zaliz, F. Jiménez-Molinos, F. Gómez-Campos, J. Roldán, Analysis of conductive filament density in resistive random access memories: a 3D kinetic Monte Carlo approach, Journal of Vacuum Science & Technology B 36 (2018) 062201, https://doi.org/10.1116/1.5049213. 38. C. Wang, H. Wu, B. Gao, T. Zhang, Y. Yang, H. Qian, Conduction mechanisms, dynamics and stability in ReRAMs, Microelectronic Engineering 187 (2018) 121-133, https://doi.org/10.1016/j.mee.2017.11.003. 39. H. Abbas, J. Li, D. Ang, Conductive Bridge Random Access Memory (CBRAM): Challenges and Opportunities for Memory and Neuromorphic Computing Applications, Micromachines 13 (2022) 725, https://doi.org/10.3390/mi13050725. 40. D. Jana, S. Roy, R. Panja, Conductive-bridging random access memory: challenges and opportunity for 3D architecture, Nanoscale Res. Lett. 10 (2015) 188, https://doi.org/10.1186/s11671-015-0880-9. 41. J. Cha, S. Yang, J. Oh, S. Choi, S. Park, B. Jang, W. Ahn, S. Choi, Conductivebridging random-access memories for emerging neuromorphic computing, Nanoscale 12 (2020) 14339-14368, https://doi.org/10.1039/D0NR01671C. 42. H. Cho, S. Kim, Emulation of Biological Synapse Characteristics from Cu/AlN/TiN Conductive Bridge Random Access Memory, Nanomaterials 10 (2020) 1709, https://doi.org/10.3390/nano10091709. 43. K. Mohammad, Modeling and Simulation of Nonvolatile Memory Based on copper sulfide, Tikrit Journal of Engineering Sciences 23 (2016) 103-109, https://doi.org/10.25130/tjes.23.2.12. 44. H. Cao, H. Ren, A 10-nm-thick silicon oxide based high switching speed conductive bridging random access memory with ultra-low operation voltage and ultra-low LRS resistance, Appl. Phys. Lett. 120 (2022) 133502, https://doi.org/10.1063/5.0085045. 45. T. Liu, T. Yan, R. Scheuerlein, Y. Chen, J. Lee, A 130.7mm2 2-layer 32Gb ReRAM memory device in 24nm technology, Digest of Technical Papers - IEEE International Solid-State Circuits Conference 56 (2013) 210-211, https://doi.org/10.1109/ISSCC.2013.6487703. 46. T. Yamamoto, S. Hatayama, Y. Sutou, Design strategy of phase change material properties for low-energy memory application, Materials & Design 216 (2022) 110560, https://doi.org/10.1016/j.matdes.2022.110560. 47. S. Agarwal, P. Lohia, D. Dwivedi, Emerging phase change memory devices using non-oxide semiconducting glasses, Journal of Non-Crystalline Solids 597 (2022) 121874, https://doi.org/10.1016/j.jnoncrysol.2022.121874. 48. S. Nandakumar, M. Le Gallo, I. Boybat, B. Rajendran, A. Sebastian, E. Eleftheriou, A phase-change memory model for neuromorphic computing, Journal of Applied Physics 124 (2018) 152135, https://doi.org/10.1063/1.5042408. 49. Y. Zhu, Z. Zhang, S. Song, H. Xie, Z. Song, X. Li, L. Shen, L. Li, L. Wu, B. Liu, Ni-doped GST materials for high speed phase change memory applications, Materials Research Bulletin 64 (2015) 333-336, https://doi.org/10.1016/j.materresbull.2015.01.016. 50. K. Stern, Y. Keller, C. Neumann, E. Pop, E. Yalon, Temperature-dependent thermal resistance of phase change memory, Appl. Phys. Lett. 120 (2022) 113501, https://doi.org/10.1063/5.0081016. 51. N. Raeis-Hosseini, J. Rho, Dual-Functional Nanoscale Devices Using PhaseChange Materials: A Reconfigurable Perfect Absorber with Nonvolatile Resistance-Change Memory Characteristics, Appl. Sci. 9 (2019) 564, https://doi.org/10.3390/app9030564. 52. A. Lotnyk, H. Bryja, X. Wang, M. Xu, Q. Lin, X. Cheng, M. Xu, H. Tong, X. Miao, J. Feng, ―Stickier‖-Surface Sb2Te3 Templates Enable Fast Memory Switching of Phase Change Material GeSb2Te4 with Growth-Dominated Crystallization, ACS Applied Materials & Interfaces 12 (2020) 33397-33407, https://doi.org/10.1021/acsami.0c07973. 53. P. Guo, A. Sarangan, I. Agha, A Review of Germanium-Antimony-Telluride Phase Change Materials for Non-Volatile Memories and Optical Modulators, Appl. Sci. 9 (2019) 530, https://doi.org/10.3390/app9030530. 54. Y. Saito, M. Morota, K. Makino, J. Tominaga, Recent developments concerning the sputter growth of chalcogenide-based layered phase-change materials, Materials Science in Semiconductor Processing 135 (2021) 106079, https://doi.org/10.1016/j.mssp.2021.106079. 55. Y. Saito, Origin of resistivity contrast in interfacial phase-change memory: The crucial role of Ge/Sb intermixing, Appl. Phys. Lett. 114 (2019) 132102, https://doi.org/10.1063/1.5088068. 56. J. Tominaga, The Design and Application on Interfacial Phase-Change Memory, Physica status solidi (RRL) - Rapid Research Letters 13 (2018) 539, https://doi.org/10.1002/pssr.201800539. 57. P. Gupta, P. Lohia, D. Dwivedi, Phase change memory: Operation, current challenges and future prospects, International Journal of Engineering, Science and Technology: Special Issue 13 (2021) 93-97, https://doi.org/10.4314/ijest.v13i1.14S. 58. G. Chen, J. Zheng, Z. Wang, K. Zhang, Z. Mo, X. Liu, T. Gao, Y. Wang, J. Wei, Fabrication of micro/nano multifunctional patterns on optical glass through chalcogenide heat-mode resist AgInSbTe, Journal of Alloys and Compounds 867 (2021) 158988, https://doi.org/10.1016/j.jallcom.2021.158988. 59. S. Hong, B. Bae, H. Lee, Fast switching behavior of nanoscale Ag6In5Sb59Te30 based nanopillar type phase change memory, Nanotechnology 21 (2010) 025703, https://doi.org/10.1088/0957-4484/21/2/025703. 60. W. Zhang, E. Ma, Unveiling the structural origin to control resistance drift in phase-change memory materials, Materials Today 41 (2020) 156-176, https://doi.org/10.1016/j.mattod.2020.07.016. 61. K. Okabe, A. Sood, E. Yalon, C. Neumann, M. Asheghi, E. Pop, K. Goodson, H. Wong, Understanding the switching mechanism of interfacial phase change memory, Journal of Applied Physics 125 (2019) 184501, https://doi.org/10.1063/1.5093907. 62. W. Yang, N. Hur, D. Lim, H. Jeong, J. Suh, Heterogeneously structured phasechange materials and memory, Journal of Applied Physics 129 (2021) 050903, https://doi.org/10.1063/5.0031947. 63. S. Tappertzhofen, Resistive switching in metal-oxide memristive materials and devices, Metal Oxides, Metal Oxides for Non-volatile Memory (2022) 1-32, https://doi.org/10.1016/B978-0-12-814629-3.00001-5. 64. K. Sakui, N. Harada, Dynamic Flash Memory with fast block refresh feature using double storage gates and one select gate, Memories - Materials, Devices, Circuits and Systems 2 (2022) 100007, https://doi.org/10.1016/j.memori.2022.100007. 65. H. Nakamura, H. Sakuraba, F. Masuoka, NAND-type DRAM-on-SGT, IEEE Transactions on Electron Devices 52 (2005) 427-429, https://doi.org/10.1109/TED.2004.842717. 66. Y. van de Burgt, E. Lubberman, E. Fuller, A non-volatile organic electrochemical device as a low-voltage artificial synapse for neuromorphic computing, Nature Materials 16 (2017) 414–418, https://doi.org/ 10.1038/nmat4856. 67. M. Zidan, J. Strachan, W. Lu, The future of electronics based on memristive systems, Nature Electronics 1 (2018) 22-29, https:// doi.org/10.1038/s41928-017- 0006-8. 68. F. Pellizzer, A. Redaelli, 3DXpoint fundamentals, Electronic and Optical Materials, Semiconductor Memories and Systems (2022) 253-276, https://doi.org/10.1016/B978-0-12-820758-1.00005-4. 69. T. Endoh, 3D integration of memories including heterogeneous integration, International Symposium on VLSI Technology, Systems and Applications (2021) 1-2, https://doi.org/10.1109/VLSI-TSA51926.2021.9440129. 70. T. Hadámek, S. Selberherr, W. Goes, Modeling thermal effects in STTMRAM, Solid-State Electronics 200 (2023) 108522, https://doi.org/10.1016/j.sse.2022.108522. 71. E. Garzón, R. De Rose, F. Crupi, L. Trojman, M. Lanuzza, Assessment of STT-MRAM performance at nanoscaled technology nodes using a device-tomemory simulation framework, Microelectronic Engineering 215 (2019) 111009, https://doi.org/10.1016/j.mee.2019.111009. 72. Z. Bian, X. Hong, Y. Guo, L. Naviner, W. Ge, H. Cai, Investigation of PVTAware STT-MRAM Sensing Circuits for Low-VDD Scenario, Micromachines 12 (2021) 551, https://doi.org/10.3390/mi12050551. 73. L. Zhang, H. Tang, B. Xu, Y. Zhuang, B. Junlin, A High Reliability Sense Amplifier for Computing In-Memory with STT-MARM, SPIN 10 (2020) 2040001, https://doi.org/10.1142/S2010324720400020. 74. V. Salehi, T. Tran, B. Veitch, D. Smith, A reinforcement learning development of the FRAM for functional reward-based assessments of complex systems performance, International Journal of Industrial Ergonomics 88 (2022) 103271, https://doi.org/10.1016/j.ergon.2022.103271. 75. X. Zeng, Q. Liu, J. Tay, C. Chew, J. Cheah, C. Gan, High resolution front-side visualization of charge stored in EEPROM with scanning nonlinear dielectric microscopy, Nanotechnology 32 (2021) 485201, https://doi.org/10.1088/1361- 6528/ac1ebd. 76. G. Molas, L. Grenouillet, Other emerging memories, Electronic and Optical Materials, Semiconductor Memories and Systems (2022) 277-304, https://doi.org/10.1016/B978-0-12-820758-1.00006-6. 77. L. Liu, D. Wang, H. Lin, X. Zhao, Z. Wang, N. Xu, X. Luo, N. Gao, X. Xue, C. Pan, C. Xie, G. Xing, 3T2M canted-type x SOT-MRAM: Field-free, highenergy-efficiency, and high-read-margin memory toward cache applications, Journal of Science: Advanced Materials and Devices 7 (2022) 100508, https://doi.org/10.1016/j.jsamd.2022.100508. 78. M. Varshika, F. Corradi, A. Das, Nonvolatile Memories in Spiking Neural Network Architectures: Current and Emerging Trends, Electronics 11 (2022) 1610, https://doi.org/10.3390/electronics11101610. 79. S. Wei, B. Gao, D. Wu, J. Tang, H. Qian, H. Wu, Trends and challenges in the circuit and macro of RRAM-based computing-in-memory systems, Chip 1 (2022) 100004, https://doi.org/10.1016/j.chip.2022.100004. 80. N. Prabhu, D. Loy Jia Jun, P. Dananjaya, W. Lew, E. Toh, N. Raghavan, Exploring the Impact of Variability in Resistance Distributions of RRAM on the Prediction Accuracy of Deep Learning Neural Networks, Electronics 9 (2020) 414, https://doi.org/10.3390/electronics9030414. 81. S. Spiga, A. Sebastian, D. Querlioz, B. Rajendran, Electronic and Optical Materials, Memristive Devices for Brain-Inspired Computing (2020) Pages 531- 547, https://doi.org/10.1016/C2017-0-04786-9. 82. D. Zhang, B. Peng, Y. Zhao, Z. Han, Q. Hu, X. Liu, Y. Han, H. Yang, J. Cheng, Q. Ding, H. Jiang, J. Yang, H. Lv, Sensing Circuit Design Techniques for RRAM in Advanced CMOS Technology Nodes, Micromachines 12 (2021) 913, https://doi.org/10.3390/mi12080913. 83. B. Yang, D. Arumí, S. Manich, A. Gómez-Pau, R. Rodríguez-Montañés, M. González, F. Campabadal, L. Fang, Serial RRAM Cell for Secure Bit Concealing, Electronics 10 (2021) 1842, https://doi.org/10.3390/electronics10151842. 84. S. Qin, Y. Ma, Q. Wang, J. Zhang, G. Zhang, L. Yang, R. Liu, Study on ion dynamics of hafnium oxide RRAM by electrode thermal effect, Energy Reports 9 (2023) 1036-1043, https://doi.org/10.1016/j.egyr.2022.11.132. 85. H. Aziza, S. Hamdioui, M. Fieback, M. Taouil, M. Moreau, P. Girard, A. Virazel, K. Coulié, Multi-Level Control of Resistive RAM (RRAM) Using a Write Termination to Achieve 4 Bits/Cell in High Resistance State, Electronics 10 (2021) 2222, https://doi.org/10.3390/electronics10182222. 86. Z. Shen, C. Zhao, Y. Qi, W. Xu, Y. Liu, I. Mitrovic, L. Yang, C. Zhao, Advances of RRAM Devices: Resistive Switching Mechanisms, Materials and Bionic Synaptic Application, Nanomaterials 10 (2020) 1437, https://doi.org/10.3390/nano10081437. 87. I. Yeo, S. Gi, G. Wang, B. Lee, A Hardware and Energy-Efficient Online Learning Neural Network With an RRAM Crossbar Array and Stochastic Neurons, IEEE Transactions on Industrial Electronics 68 (2021) 11554-11564, https://doi.org/10.1109/TIE.2020.3032867. 88. C. Gupta, P. Jain, U. Chand, Effect of Top Electrode Materials on Switching Characteristics and Endurance Properties of Zinc Oxide Based RRAM Device, J. Nano Electron. Phys. 12 (2020) 01007, https://doi.org/10.21272/jnep.12(1).01007. 89. J. Fabero, G. Korkian, F. Franco, G. Hubert, H. Mecha, M. Letiche, J. Clemente, SEE sensitivity of a COTS 28-nm SRAM-based FPGA under thermal neutrons and different incident angles, Microprocessors and Microsystems 96 (2023) 104743, https://doi.org/10.1016/j.micpro.2022.104743. 90. T. Calzecchi-Onesti, Sulla conduttività elettrica delle limature metalliche, Nuovo Cim 16 (1884) 58-64, https://doi.org/10.1007/BF02737267. 91. T. Hickmott, Low‐Frequency Negative Resistance in Thin Anodic Oxide Films, Journal of Applied Physics 33 (1962) 2669-2682, https://doi.org/10.1063/1.1702530. 92. L. Chua, Memristor-The missing circuit element, IEEE Transactions on Circuit Theory 18 (1971) 507-519, https://doi.org/10.1109/TCT.1971.1083337. 93. D. Strukov, G. Snider, D. Stewart, The missing memristor found, Nature 453 (2008) 80-83, https://doi.org/10.1038/nature06932. 94. Q. Xia, J. Yang, Memristive crossbar arrays for brain-inspired computing, Nat. Mater. 18 (2019) 309-323, https://doi.org/10.1038/s41563-019-0291-x. 95. B. Gerislioglu, G. Bakan, R. Ahuja, J. Adam, Y. Mishra, A. Ahmadivand, The role of Ge2Sb2Te5 in enhancing the performance of functional plasmonic devices, Materials Today Physics 12 (2020) 100178, https://doi.org/10.1016/j.mtphys.2020.100178. 96. M. Luong, S. Ran, M. Bernard, A. Claverie, An experimental study of Ge diffusion through Ge2Sb2Te5, Materials Science in Semiconductor Processing 152 (2022) 107101, https://doi.org/10.1016/j.mssp.2022.107101. 97. S. Khan, A. Al-Shidaifat, H. Song, Efficient Memristive Circuit Design of Neural Network-Based Associative Memory for Pavlovian Conditional Reflex, Micromachines 13 (2022) 1744, https://doi.org/10.3390/mi13101744. 98. A.El Mesoudy, G. Lamri, R. Dawant, J. Arias-Zapata, P. Gliech, Y. Beilliard, S. Ecoffey, A. Ruediger, F. Alibart, D. Drouin, Fully CMOS-compatible passive TiO2-based memristor crossbars for in-memory computing, Microelectronic Engineering 255 (2022) 111706, https://doi.org/10.1016/j.mee.2021.111706. 99. M. Abbas, G. Lee, J. Bang, Cationic and Anionic Vacancy-Dependent Memory Effect in TiO2, ACS Appl. Energy Mater. 5 (2022) 5498-5501, https://doi.org/10.1021/acsaem.2c00443. 100. Y. Yu, Q. Wang, Y, Li, M. Rehman, W. Khan, Sr and Zr Co-Doped CaCu3Ti4O12 Ceramics with Improved Dielectric Properties, Materials 15 (2022) 4243, https://doi.org/10.3390/ma15124243. 101. R. Gu, M. Xu, C. Qiao, C.Wang, K. Ho, S. Wang, M. Xu, X. Miao, How arsenic makes amorphous GeSe a robust chalcogenide glass for advanced memory integration, Scripta Materialia 218 (2022) 114834, https://doi.org/10.1016/j.scriptamat.2022.114834. 102. S. Kingra, V. Parmar, S. Negi1, A. Bricalli, G. Piccolboni, A. Regev, J. Nodin, G. Molas, M. Suri, Dual-configuration in-memory computing bitcells using SiOx RRAM for binary neural networks, Appl. Phys. Lett. 120 (2022) 034102, https://doi.org/10.1063/5.0073284. 103. Y. Lee, J. Shin, G. Nam, D. Chung, S. Kim, J. Jeon, S. Kim, Atomic Layer Deposited SiOx-Based Resistive Switching Memory for Multi-Level Cell Storage, Metals 12 (2022) 1370, https://doi.org/10.3390/met12081370. 104. S. Mohanty, K. Reddy, C. Wu, P. Lee, K. Chang, P. Busa, Y. Kuthati, Investigation of Barrier Layer Effect on Switching Uniformity and Synaptic Plasticity of AlN Based Conductive Bridge Random Access Memory, Electronics 11 (2022) 3432, https://doi.org/10.3390/electronics11213432. 105. W. Banerjee, Q. Liu, Nanocrystals in Nonvolatile Memory, Pan Stanford Publishing (2018) 389-468, https://doi.org/10.1201/9781351203272. 106. J. Sun, Q. Liu, H. Xie, X. Wu, F. Xu, T. Xu, S. Long, H. Lv, Y. Li, L. Sun, M. Liu, In situ observation of nickel as an oxidizable electrode material for the solid-electrolyte-based resistive random access memory, Appl. Phys. Lett. 102 (2013) 053502, https://doi.org/10.1063/1.4790837. 107. C. Pearson, L. Bowen, M. Lee, A. Fisher, K. Linton, M. Bryce, M. Petty, Focused ion beam and field-emission microscopy of metallic filaments in memory devices based on thin films of an ambipolar organic compound consisting of oxadiazole, carbazole, and fluorene units, Appl. Phys. Lett. 102 (2013) 213301, https://doi.org/10.1063/1.4808026. 108. P. Peng, D. Xie, Y. Yang, Y. Zang, X. Gao, C. Zhou, T. Feng, H. Tian, T. Ren, X. Zhang, Resistive switching behavior in diamond-like carbon films grown by pulsed laser deposition for resistance switching random access memory application, Journal of Applied Physics 111 (2012) 084501, https://doi.org/10.1063/1.3703063. 109. Z. Wang, P. Griffin, J. McVittie, S. Wong, P. McIntyre, Y. Nishi, Resistive Switching Mechanism in ZnxCd1−xS Nonvolatile Memory Devices, IEEE Electron Device Letters 28 (2007) 14-16, https://doi.org/10.1109/LED.2006.887640. 110. X. Zhu, W. Su, Y. Liu, B. Hu, L. Pan, W. Lu, J. Zhang, R. Li, Observation of conductance quantization in oxide-based resistive switching memory, Adv Mater. 24 (2012) 3941-3946, https://doi.org/10.1002/adma.201201506. 111. C. Peng, C. Wang, T. Chan, Resistive switching of Au/ZnO/Au resistive memory: an in situ observation of conductive bridge formation, Nanoscale Res Lett 7 (2012) 559, https://doi.org/10.1186/1556-276X-7-559. 112. Y. Yang, F. Pan, F. Zeng, M. Liu , Switching mechanism transition induced by annealing treatment in nonvolatile Cu/ZnO/Cu/ZnO/Pt resistive memory: From carrier trapping/detrapping to electrochemical metallization, Journal of Applied Physics 106 (2009) 123705, https://doi.org/10.1063/1.3273329. 113. H. Chung, H. Shin, J. Park, W. Sun, A Unified Current-Voltage Model for Metal Oxide-Based Resistive Random-Access Memory, Materials 16 (2023) 182, https://doi.org/10.3390/ma16010182. 114. L. Bozano, B. Kean, V. Deline, J. Salem, J. Scott , Mechanism for bistability in organic memory elements, Appl. Phys. Lett. 84 (2004) 607-609, https://doi.org/10.1063/1.1643547. 115. Z. Yan, J. Liu, Coexistence of high performance resistance and capacitance memory based on multilayered metal-oxide structures, Sci Rep. 3 (2013) 2482, https://doi.org/10.1038/srep02482. 116. X. Guo, C. Schindler, S. Menzel, R. Waser, Understanding the switching-off mechanism in Ag+ migration based resistively switching model systems, Appl. Phys. Lett. 91 (2007) 133513, https://doi.org/10.1063/1.2793686. 117. M. Kozicki, M. Mitkova, Mass transport in chalcogenide electrolyte films - materials and applications. Journal of Non-Crystalline Solids 352 (2006) 567-577, https://doi.org/10.1016/j.jnoncrysol.2005.11.065. 118. A. Gubicza, D. Manrique, L. Pósa, C. Lambert, G. Mihály, M. Csontos, A. Halbritter, Asymmetry-induced resistive switching in Ag-Ag2S-Ag memristors enabling a simplified atomic-scale memory design, Sci Rep. 6 (2016) 30775, https://doi.org/10.1038/srep30775. 119. S. Choi, G. Park, K. Kim, S. Cho, W. Yang, X. Li, J. Moon, K. Lee, K. Kim, In Situ Observation of Voltage-Induced Multilevel Resistive Switching in Solid Electrolyte Memory, Adv. Mater. 23 (2011) 3272-3277, https://doi.org/10.1002/adma.201100507. 120. T. Fujii, M. Arita, Y. Takahashi, I. Fujiwara, In situ transmission electron microscopy analysis of conductive filament during solid electrolyte resistance switching, Appl. Phys. Lett. 98 (2011) 212104, https://doi.org/10.1063/1.3593494. 121. Q. Liu, J. Sun, H. Lv, S. Long, K. Yin, N. Wan, Y. Li, L. Sun, M. Liu, RealTime Observation on Dynamic Growth/Dissolution of Conductive Filaments in Oxide-Electrolyte-Based ReRAM, Adv. Mater. 24 (2012) 1844-1849, https://doi.org/10.1002/adma.201104104. 122. B. Cho, J. Yun, S. Song, Y. Ji, D. Kim, T. Lee, Direct Observation of Ag Filamentary Paths in Organic Resistive Memory Devices, Adv. Funct. Mater. 21 (2011) 3976-3981, https://doi.org/10.1002/adfm.201101210. 123. Z. Xu, Y. Bando, W. Wang, X. Bai, D. Golberg, Real-Time In Situ HRTEMResolved Resistance Switching of Ag2S Nanoscale Ionic Conductor, ACS Nano 4 (2010) 2515-2522, https://doi.org/10.1021/nn100483a. 124. X. Tian, S. Yang, M. Zeng, L. Wang, J. Wei, Z. Xu, W. Wang, X. Bai, Bipolar Electrochemical Mechanism for Mass Transfer in Nanoionic Resistive Memories, Adv. Mater. 26 (2014) 3649-3654, https://doi.org/10.1002/adma.201400127. 125. S. Gao, C. Song, C. Chen, F. Zeng, F. Pan, Formation process of conducting filament in planar organic resistive memory, Appl. Phys. Lett. 102 (2013) 141606, https://doi.org/10.1063/1.4802092. 126. J. Yang, M. Pickett, X. Li, Memristive switching mechanism for metal/oxide/metal nanodevices, Nature Nanotech 3 (2008) 429-433, https://doi.org/10.1038/nnano.2008.160. 127. C. Yoshida, K. Kinoshita, T. Yamasaki, Y. Sugiyama, Direct observation of oxygen movement during resistance switching in NiO/Pt film, Appl. Phys. Lett. 93 (2008) 042106, https://doi.org/10.1063/1.2966141. 128. W. Banerjee, W. Cai, X. Zhao, Q. Liu, H. Lv, S. Long, M. Liu, Intrinsic anionic rearrangement by extrinsic control: transition of RS and CRS in thermally elevated TiN/HfO2/Pt RRAM, Nanoscale 9 (2017) 18908-18917, https://doi.org/10.1039/C7NR06628G. 129. C. Chen, C. Song, J. Yang, F. Zeng, F. Pan , Oxygen migration induced resistive switching effect and its thermal stability in W/TaOx/Pt structure, Appl. Phys. Lett. 100 (2012) 253509, https://doi.org/10.1063/1.4730601. 130. W. Banerjee, High-k Al2O3/WOx bilayer dielectrics for low-power resistive switching memory applications, Japanese Journal of Applied Physics 50 (2011) 10PH01, https://doi.org/10.7567/JJAP.50.10PH01. 131. S. Won, S. Lee, J. Park, H. Seo, Forming-less and Non-Volatile Resistive Switching in WOx by Oxygen Vacancy Control at Interfaces, Sci Rep. 7 (2017) 10186, https://doi.org/10.1038/s41598-017-10851-8. 132. C. Chen, Y. Yang, F. Zeng, F. Pan, Bipolar resistive switching in Cu/AlN/Pt nonvolatile memory device, Appl. Phys. Lett. 97 (2010) 083502, https://doi.org/10.1063/1.3483158. 133. H. Kim, H. An, T. Kim, Ultrafast Resistive-Switching Phenomena Observed in NiN-Based ReRAM Cells, IEEE Transactions on Electron Devices 59 (2012) 2302-2307, https://doi.org/10.1109/TED.2012.2202237. 134. J. Kim, C. Ko, A. Frenzel, S. Ramanathan, J. Hoffman, Nanoscale imaging and control of resistance switching in VO2 at room temperature, Appl. Phys. Lett. 96 (2010) 213106, https://doi.org/10.1063/1.3435466. 135. X. Liu, S. Sadaf, M. Son, J. Shin, J. Park, J. Lee, S. Park, H. Hwang, Diodeless bilayer oxide (WO(x)-NbO(x)) device for cross-point resistive memory applications, Nanotechnology 22 (2011) 475702, https://doi.org/10.1088/0957- 4484/22/47/475702. 136. F. Nakamura, M. Sakaki, Y. Yamanaka, Electric-field-induced metal maintained by current of the Mott insulator Ca2RuO4, Sci Rep 3 (2013) 2536, https://doi.org/10.1038/srep02536. 137. Y. Zhou, S. Ramanathan, Mott Memory and Neuromorphic Devices, Proceedings of the IEEE 103 (2015) 1289-1310, https://doi.org/10.1109/JPROC.2015.2431914. 138. K. Kim, D. Jeong, C. Hwang, Nanofilamentary resistive switching in binary oxide system; a review on the present status and outlook, Nanotechnology 22 (2011) 254002, https://doi.org/10.1088/0957-4484/22/25/254002. 139. J. Chen, C. Hsin, C. Huang, C. Chiu, Dynamic Evolution of Conducting Nanofilament in Resistive Switching Memories, Nano letters 13 (2013) 3671- 3677, https://doi.org/10.1021/nl4015638. 140. W. Banerjee, X. Xu, H. Lv, Q. Liu, S. Long, M. Liu, Adv. Electron. Mater. 3 (2017) 1700287, https://doi.org/10.1002/aelm.201700287. 141. X. Zhang, Q. Yu, Y. Yao, X. Li, Ultrafast resistive switching in SrTiO3:Nb single crystal, Appl. Phys. Lett. 97 (2010) 222117, https://doi.org/10.1063/1.3524216. 142. M. Hasan, R. Dong, H. Choi, D. Lee, D. Seong, M. Pyun, H. Hwang, Uniform resistive switching with a thin reactive metal interface layer in metalLa0.7Ca0.3MnO3-metal heterostructures, Appl. Phys. Lett. 92 (2008) 202102, https://doi.org/10.1063/1.2932148. 143. L. Liu, S. Zhang, Y. Luo, G. Yuan, J. Liu, J. Yin, Z. Liu, Coexistence of unipolar and bipolar resistive switching in BiFeO3 and Bi0.8Ca0.2FeO3 films, Journal of Applied Physics 111 (2012) 104103, https://doi.org/10.1063/1.4716867. 144. X. Zhao, S. Liu, J. Niu, L. Liao, Q. Liu, X. Xiao, H. Lv, Confining Cation Injection to Enhance CBRAM Performance by Nanopore Graphene Layer, Small 13 (2017) 1603948, https://doi.org/10.1002/smll.201603948. 145. S. Liu, N. Lu, X. Zhao, H. Xu, W. Banerjee, H. Lv, S. Long, Q. Li, Q. Liu, M. Liu, Eliminating Negative-SET Behavior by Suppressing Nanofilament Overgrowth in Cation-Based Memory, Adv Mater. 28 (2016) 10623-10629, https://doi.org/10.1002/adma.201603293. 146. F. Hui, E. Grustan-Gutierrez, S. Long, Q. Liu, A. Ott, A. Ferrari, M. Lanza, 2D Resistive Switching Memories: Graphene and Related Materials for Resistive Random Access Memories, Adv. Electron. Mater. 3 (2017) 1600195, https://doi.org/10.1002/aelm.201770032. 147. C. Pan, E. Miranda, M. Villena, N. Xiao, X. Jing, X. Xie, T. Wu, F. Hui, Y. Shi, M. Lanza, Model for multi-filamentary conduction in graphene/hexagonal-boron-nitride/graphene based resistive switching devices, 2D Mater. 4 (2017) 025099, https://doi.org/10.1088/2053-1583/aa7129. 148. Z. Wu, X. Zhao, Y. Yang, Transformation of threshold volatile switching to quantum point contact originated nonvolatile switching in graphene interface controlled memory devices, Nanoscale Adv. 1 (2019) 3753-3760, https://doi.org/10.1039/C9NA00409B. 149. Y. Bai, H. Wu, K. Wang, Stacked 3D RRAM Array with Graphene/CNT as Edge Electrodes, Sci. Rep. 5 (2015) 13785, https://doi.org/10.1038/srep13785. 150. M. Cohen, Electronic Charge Densities in Semiconductors, Science 179 (1973) 1189-1195, http://www.jstor.org/stable/1735747. 151. P. Hohenberg, W. Kohn, Inhomogeneous Electron Gas, Physical Review B 136 (1964) 864-871, https://doi.org/10.1103/PhysRev.136.B864. 152. W. Kohn, L. Sham, Self-Consistent Equations Including Exchange and Correlation Effects, Physical Review A 140 (1965) 1133-1138, https://doi.org/10.1103/PhysRev.140.A1133. 153. M. Yin, M. Cohen, Ground-state properties of diamond, Phys. Rev. B 24 (1981) 6121, https://doi.org/10.1103/PhysRevB.24.6121. 154. M. Yin, M. Cohen, Theory of static structural properties, crystal stability, and phase transformations: Application to Si and Ge, Phys. Rev. B 26 (1982) 5668, https://doi.org/10.1103/PhysRevB.26.5668. 155. O. Nielsen, R. Martin, First-Principles Calculation of Stress, Phys. Rev Lett. 50 (1983) 697, https://doi.org/10.1103/PhysRevLett.50.697. 156. D. Hamann, M. Schlüter, C. Chiang, Norm-Conserving Pseudopotentials, Phys. Rev. Lett. 43 (1979) 1494, https://doi.org/10.1103/PhysRevLett.43.1494. 157. G. Bachelet, H. Greenside, G. Baraff, M. Schlüter, Structural-energy calculations based on norm-conserving pseudopotentials and localized Gaussian orbitals, Phys. Rev. B 24 (1981) 4745, https://doi.org/10.1103/PhysRevB.24.4745. 158. G. Bachelet, D. Hamann, M. Schluter, Pseudopotentials that work: from H to Pu, Phys. Rev. B - Solid State 26 (1982) 4199-4228, https://doi.org/10.1103/PhysRevB.26.4199. 159. A. Baldereschi, Mean-Value Point in the Brillouin Zone, Phys. Rev. B 7 (1973) 5212, https://doi.org/10.1103/PhysRevB.7.5212. 160. D. Chadi, M. Cohen, Special Points in the Brillouin Zone, Phys. Rev. B 8 (1973) 5747, https://doi.org/10.1103/PhysRevB.8.5747. 161. H. Monkhorst, J. Pack, Special points for Brillouin-zone integrations, Phys. Rev. B 13 (1976) 5188, https://doi.org/10.1103/PhysRevB.13.5188. 162. G. Makov, R. Shah, M. Payne, Periodic boundary conditions in ab initio calculations. II. Brillouin-zone sampling for aperiodic systems, Phys. Rev. B 53 (1996) 15513, https://doi.org/10.1103/PhysRevB.53.15513. 163. D. Chadi, P. Citrin, C. Park, D. Adler, M. Marcus, H. Gossmann, FermiLevel-Pinning Defects in Highly n-Doped Silicon, Phys. Rev. Lett. 79 (1997) 4834, https://doi.org/10.1103/PhysRevLett.79.4834. 164. M. Puska, S. Pöykkö, M. Pesola, R. Nieminen, Convergence of supercell calculations for point defects in semiconductors: Vacancy in silicon, Phys. Rev. B 58 (1998) 1318, https://doi.org/10.1103/PhysRevB.58.1318. 165. J. Lento, J. Mozos, R. Nieminen, Charged point defects in semiconductors and the supercell approximation, J. Phys.: Condens. Matter. 14 (2002) 2637-2645, https://doi.org/10.1088/0953-8984/14/10/314. 166. R. Needs, First-principles calculations of self-interstitial defect structures and diffusion paths in silicon, Journal of Physics: Condensed Matter 11 (1999) 10437, https://doi.org/10.1088/0953-8984/11/50/332. 167. D. Drabold, J. Dow, P. Fedders, A. Carlsson, O. Sankey, Convergence of force calculations for noncrystalline Si, Phys. Rev. B 42 (1990) 5345, https://doi.org/10.1103/PhysRevB.42.5345. 168. S. Clark, G. Ackland, Ab initio calculations of the self-interstitial in silicon, Phys. Rev. B 56 (1997) 47, https://doi.org/10.1103/PhysRevB.56.47. 169. J. Shim, E. Lee, Y. Lee, R. Nieminen, Density-functional calculations of defect formation energies using the supercell method: Brillouin-zone sampling, Phys. Rev. B 71 (2005) 245204, https://doi.org/10.1103/PhysRevB.71.245204. 170. J. Kohanoff, Electronic Structure Calculations for Solids and Molecules: Theory and Computational Methods, Cambridge University Press (2006) 327, https://doi.org/10.1017/CBO9780511755613. 171. G. Trimarchi, A. Zunger, Global space-group optimization problem: Finding the stablest crystal structure without constraints, Phys. Rev. B 75 (2007) 04113, https://doi.org/10.1103/PhysRevB.75.104113. 172. Ab initio calculation [Електронний ресурс] – Режим доступу до ресурсу: http://sites.google.com/a/kdpu.edu.ua/calculationphysics. 173. Чернікова О. М. Моделі активації ковалентного зв’язування в реакціях окислення наноструктурними каталізаторами: дис. ... канд. фіз.-мат. наук: 01.04.07. Київ, 2016. 134 с. 174. Кравцова Д. Ю. Електронна структура та фізико-хімічні властивості мета- і наноматеріалів каталізаторами: дис. ... канд. фіз.-мат. наук: 01.04.07. Одеса, 2018. 131 с. 175. Здещиц А. В. Електронні властивості гібридних наноструктур: дис. ... канд. фіз.-мат. наук: 01.04.07. Одеса, 2019. 140 с. 176. Соломенко А. Г. Функціоналізація двовимірних напівпровідникових матеріалів: дис. ... канд. фіз.-мат. наук: 01.04.07. Одеса, 2020. 107 с. 177. Прихожа Ю. О. Матеріали для анодів літій-іонних акумуляторів матеріалів: дис. ... докт. філ. зі спец. 104: Фізика та астрономія. Кривий Ріг, 2021. 112 с. 178. Балабай Р. М. Особливості розподілу електронної густини в нанорозмірних функціональних матеріалах: дис. ... док. фіз.-мат. наук: 01.04.07. Київ, 2014. 278 с. 179. Р. М. Балабай, П. В. Мерзликін, Електронні властивості легованих плівок ZnO: розрахунок із перших принципів, Український фізичний журнал 55 (2010) 1130-1136. 180. Балабай Р. М. Обчислювальні методи із перших принципів у фізиці твердого тіла: квантово-механічна молекулярна динаміка: монографія. Кривий Ріг: Видавничий дім (2009) 124 с. 181. R. Balabai, A. Zdeshchyts, D. Zalevskyi, Electronic Properties of Graphene/ZnO 2D-2D Heterocomposite, Semiconductor Physics, Quantum Electronics And Optoelectronics 21 (2018) 65-72, https://doi.org/10.15407/spqeo21.01.065. 182. R. Balabai, D. Zalevskyi, SiGe Epitaxial Films with Dislocations for the Switchable Memory: the Accurate First-Principle Calculations, Physics and Chemistry of Solid State 20 (2019) 247-256, https://doi.org/10.15330/pcss.20.3.247-256. 183. R. Balabai, D. Zalevskyi, Properties of materials for resistive RAM based on HfO2 (first principles calculations), Molecular Crystals and Liquid Crystals 700 (2020) 95-106, https://doi.org/10.1080/15421406.2020.1732556. 184. D. Zalevskyi, R. Balabai, Ab initio simulation of resistive memory based on GeTe–Sb2Te3 alloys, Molecular Crystals and Liquid Crystals 719 (2021) 79-89, https://doi.org/10.1080/15421406.2021.1905285. 185. J. Feldmann, N. Youngblood, C. Wright, All-optical spiking neurosynaptic networks with self-learning capabilities, Nature 569 (2019) 208-214, https://doi.org/10.1038/s41586-019-1157-8. 186. D. Ielmini, H. Wong, In-memory computing with resistive switching devices, Nature Electronics 1 (2018) 333-343, https://doi.org/10.1038/s41928-018-0092-2. 187. M. Xu, B. Li, K. Xu, H. Tong, X. Cheng, M. Xu, X. Miao, Stabilizing amorphous Sb by adding alien seeds for durable memory materials, Physical Chemistry Chemical Physics 21 (2019) 4494, https://doi.org/10.1039/C8CP07446A. 188. Y. Su, H. Liu, P. Chen, T. Chang, T. Tsai, T. Chu, A method to reduce forming voltage without degrading device performance in hafnium oxide-based 1T1R resistive random access memory, IEEE Journal of the Electron Devices Society 6 (2018) 341-345, https://doi.org/10.1109/jeds.2018.2805285. 189. S. Yu, B. Gao, Z. Fang, H. Yu, J. Kang, H. Wong, A neuromorphic visual system using RRAM synaptic devices with sub-pJ energy and tolerance to variability: experimental characterization and large-scale modeling, International Electron Devices Meeting (2012), https://doi.org/10.1109/iedm.2012.6479018. 190. W. Banerjee, Q. Liu, H. Hwang, Engineering of defects in resistive random access memory devices, Journal of Applied Physics 127 (2020) 051101, https://doi.org/10.1063/1.5136264. 191. F. Zahoor, T. Azni Zulkifli, F. Khanday, Resistive Random Access Memory (RRAM): an Overview of Materials, Switching Mechanism, Performance, Multilevel Cell (mlc) Storage, Modeling, and Applications, Nanoscale Research Letters 15 (2020) 90, https://doi.org/10.1186/s11671-020-03299-9. 192. X. Sun, Y. Guo, Y. Zhao, S. Liu, H. Li, Gas Adsorption Investigation on SiGe Monolayer: A First-Principle Calculation, Sensors 20 (2020) 2879, https://doi.org/10.3390/s20102879. 193. T. Tan, T. Guo, X. Chen, X. Li, Z. Liu, Impacts of Au-doping on the performance of Cu/HfO2/Pt RRAM devices, Applied Surface Science 317 (2014) 982-985, https://doi.org/10.1016/j.apsusc.2014.09.027. 194. X. Liu, X. Geng, H. Liu, Recent Progress and Applications of HfO2-Based Ferroelectric Memory, Tsinghua Science and Technology 28 (2023) 221-229, https://doi.org/10.26599/TST.2021.9010096. 195. C. Song, H. Kwon, Ferroelectrics Based on HfO2 Film, Electronics 10 (2021) 2759, https://doi.org/10.3390/electronics10222759. 196. C. Mahata, M. Ismail, D. Kim, S. Kim, Quantized synaptic characteristics in HfO2-nanocrystal based resistive switching memory, Journal of Materials Research and Technology 21 (2022) 981-991, https://doi.org/10.1016/j.jmrt.2022.09.095. 197. F. Vaccaro, S. Brivio, S. Perotto, A. Mauri, S. Spiga, Physics-based compact modelling of the analog dynamics of HfOx resistive memories, Neuromorphic Computing and Engineering 2, (2022) 021003, https://doi.org/10.1088/2634- 4386/ac7327. 198. J. Han, B. Jeong, Y. Kim, J. Suh, H. Jeong, H. Kim, T. Yoon, Nonvolatile memory characteristics associated with oxygen ion exchange in thin-film transistors with indium-zinc oxide channel and HfO2-x gate oxide, Materials Today Advances 15 (2022) 100264, https://doi.org/10.1016/j.mtadv.2022.100264. 199. D. Maldonado, C. Aguilera-Pedregosa, G. Vinuesa, H. García, S. Dueñas, H. Castán, S. Aldana, M. González, E. Moreno, F. Jiménez-Molinos, F. Campabadal, J. Roldán, An experimental and simulation study of the role of thermal effects on variability in TiN/Ti/HfO2/W resistive switching nonlinear devices, Chaos, Solitons & Fractals 160 (2022) 112247, https://doi.org/10.1016/j.chaos.2022.112247. 200. J. Hmar, Non-volatile resistive switching memory device based on ZnOgraphene oxide embedded in a polymer matrix fabricated on a flexible PET substrate, Microelectronic Engineering 233 (2020) 111436, https://doi.org/10.1016/j.mee.2020.111436. 201. C. Hu, Q. Wang, S. Bai, M. Xu, D. He, D. Lyu, J. Qi, The effect of oxygen vacancy on switching mechanism of ZnO resistive switching memory, Applied Physics Letters 110 (2017) 073501, https://doi.org/10.1063/1.4976512. 202. I. Oh, J. Pyo, S. Kim, Resistive Switching and Synaptic Characteristics in ZnO/TaON-Based RRAM for Neuromorphic System, Nanomaterials 12 (2022) 2185, https://doi.org/10.3390/nano12132185. 203. X. Wang, H. Qian, L. Guan, W. Wang, B. Xing, X. Yan, S. Zhang, J. Sha, Y. Wang, Influence of metal electrode on the performance of ZnO based resistance switching memories, Journal of Applied Physics 122 (2017) 154301, https://doi.org/10.1063/1.4996975. 204. U. Isyaku, M. Khir, I. Nawi, M. Zakariya, F. Zahoor, ZnO Based Resistive Random Access Memory Device: A Prospective Multifunctional Next-Generation Memory, IEEE Access 9 (2021) 105012-105047, https://doi.org/10.1109/ACCESS.2021.3098061. 205. C. Hu, Q. Wang, S. Bai, M. Xu, D. He, D. Lyu, J. Qi, The effect of oxygen vacancy on switching mechanism of ZnO resistive switching memory, Appl. Phys. Lett. 110 (2017) 073501, https://doi.org/10.1063/1.4976512. 206. T. Jiang, X. Wang, J. Wang, H. Zhang, L. Lu, C. Jia, M. Wuttig, R. Mazzarello, W. Zhang, E. Ma, In situ characterization of vacancy ordering in GeSb-Te phase-change memory alloys, Fundamental Research (2022), https://doi.org/10.1016/j.fmre.2022.09.010. 207. C. Qiao, Y. Guo, J. Wang, H. Shen, S. Wang, Y. Zheng, R. Zhang, L. Chen, C. Wang, K. Ho, The local structural differences in amorphous Ge-Sb-Te alloys, Journal of Alloys and Compounds 774 (2019) 748-757, https://doi.org/10.1016/j.jallcom.2018.10.011. 208. L. Sun, Y. Zhou, X. Wang, Ab initio molecular dynamics and materials design for embedded phase-change memory, npj Comput. Mater. 7 (2021) 29, https://doi.org/10.1038/s41524-021-00496-7. 209. S. Cecchi, G. Lopez, A. Mio, E. Zallo, O. Abou El Kheir, R. Calarco, M. Bernasconi, G. Nicotra, S. Privitera, Crystallization and Electrical Properties of Ge-Rich GeSbTe Alloys, Nanomaterials 12 (2022) 631, https://doi.org/10.3390/nano12040631. 210. D. Yimam, A. Van Der Ree, O. Abou El Kheir, J. Momand, M. Ahmadi, G. Palasantzas, M. Bernasconi, B. Kooi, Phase Separation in Ge-Rich GeSbTe at Different Length Scales: Melt-Quenched Bulk versus Annealed Thin Films, Nanomaterials 12 (2022) 1717, https://doi.org/10.3390/nano12101717. 211. T. Anderson, B. Krause, Refinement of the Sb2Te3 and Sb2Te2Se structures and their relationship to nonstoichiometric Sb2Te3-ySey compounds, Acta Crystallographica Section B 30 (1974) 1307-1310, https://doi.org/ 10.1107/S0567740874004729. 212. K. Moon, S. Lim, J. Park, C. Sung, S. Oh, J. Woo, J. Lee, H. Hwang, RRAMbased synapse devices for neuromorphic systems, Faraday Discuss. 213 (2019) 421-451, https://doi.org/10.1039/C8FD00127H. 213. W. Banerjee, Q. Liu, H. Lv, S. Long, M. Liu, Electronic imitation of behavioral and psychological synaptic activities using TiOx/Al2O3-based memristor devices, Nanoscale 9 (2017) 14442-14450, https://doi.org/10.1039/C7NR04741J. 214. D. Ielmini, Brain-inspired computing with resistive switching memory (RRAM): Devices, synapses and neural networks, Microelectronic Engineering 190 (2018) 44-53, https://doi.org/10.1016/j.mee.2018.01.009. 215. Y. Li, Z. Wang, R. Midya, Q. Xia, J. Yang, Review of memristor devices in neuromorphic computing: materials sciences and device challenges, Journal of Physics D: Applied Physics 51 (2018) 503002, https://doi.org/10.1088/1361- 6463/aade3f. 216. D. Lee, M. Kwak, K. Moon, W. Choi, J. Park, J. Yoo, J. Song, S. Lim, C. Sung, W. Banerjee, H. Hwang, Various Threshold Switching Devices for Integrate and Fire Neuron Applications, Adv. Electron. Mater. 5 (2019) 1800866, https://doi.org/10.1002/aelm.201800866. 217. G. Burr, R. Shelby, A. Sebastian, S. Kim, S. Kim, S. Sidler, K. Virwani, M. Ishii, Neuromorphic computing using non-volatile memory, Advances in Physics: X 2 (2017) 89-124, https://doi.org/10.1080/23746149.2016.1259585. 218. M. Lee, Y. Cui, T. Somu, T. Luo, J. Zhou, W. Tang, W. Wong, R. Goh, A System-Level Simulator for RRAM-Based Neuromorphic Computing Chips, ACM Trans. Archit. Code Optim. 15 (2019) 64, https://doi.org/10.1145/3291054. 219. Q. Wu, H. Wang, Q. Luo, W. Banerjee, J. Cao, X. Zhang, F. Wu, Q. Liu, L. Li, M. Liu, Full imitation of synaptic metaplasticity based on memristor devices, Nanoscale 10 (2018) 5875-5881, https://doi.org/10.1039/C8NR00222C. 220. A. Burg, A. Chattopadhyay, K. Lam, Wireless Communication and Security Issues for Cyber-Physical Systems and the Internet-of-Things, Proceedings of the IEEE 106 (2018) 38-60, https://doi.org/10.1109/JPROC.2017.2780172. 221. J. Rajendran, Nano Meets Security: Exploring Nanoelectronic Devices for Security Applications, Proceedings of the IEEE 103 (2015) 829-849, https://doi.org/10.1109/JPROC.2014.2387353. 222. R. Dong, D. Lee, W. Xiang, S. Oh, D. Seong, S. Heo, H. Choi, M. Kwon, S. Seo, M. Pyun, M. Hasan, H. Hwang, Reproducible hysteresis and resistive switching in metal-CuxO-metal heterostructures, Appl. Phys. Lett. 90 (2007) 042107, https://doi.org/10.1063/1.2436720. 223. W. Kim, S. Park, Z. Zhang, S. Wong, Current Conduction Mechanism of Nitrogen-Doped AlOx RRAM, IEEE Transactions on Electron Devices 61 (2014) 2158-2163, https://doi.org/10.1109/TED.2014.2319074. 224. Q. Liu, Improvement of Resistive Switching Properties in ZrO2-Based ReRAM With Implanted Ti Ions, IEEE Electron Device Letters 30 (2009) 1335- 1337, https://doi.org/10.1109/LED.2009.2032566. 225. S. Misha, N. Tamanna, J. Woo, S. Lee, J. Song, J. Park, S. Lim, J. Park, H. Hwang, Effect of Nitrogen Doping on Variability of TaOx-RRAM for Low-Power 3-Bit MLC Applications, ECS Solid State Lett. 4 (2015) 25-28, https://doi.org/10.1149/2.0011504ssl. 226. L. Chen, Enhancement of Resistive Switching Characteristics in Al2O3-Based RRAM With Embedded Ruthenium Nanocrystals, IEEE Electron Device Letters 32 (2011) 794-796, https://doi.org/10.1109/LED.2011.2125774. 227. W. Banerjee, S. Maikap, S. Rahaman, A. Prakash, T. Tien, W. Li, J. Yang, Improved resistive switching memory characteristics using core-shell IrOx nanodots in Al2O3/WOx bilayer structure, J. Electrochem. Soc. H 159 (2012) 177-182, https://doi.org/10.1149/2.067202jes. 228. C. Cheng, P. Chen, Y. Wu, F. Yeh, A. Chin, Long-Endurance Nanocrystal TiO2 Resistive Memory Using a TaON Buffer Layer, IEEE Electron Device Letters 32 (2011) 1749-1751, https://doi.org/10.1109/LED.2011.2168939. 229. Y. Wang, Q. Liu, H. Lü, Improving the electrical performance of resistive switching memory using doping technology, Chin. Sci. Bull. 57 (2012) 1235-1240, https://doi.org/10.1007/s11434-011-4930-0. 230. W. Banerjee, S. Maikap, T. Tien, W. Li, J. Yang , Impact of metal nano layer thickness on tunneling oxide and memory performance of core-shell iridium-oxide nanocrystals, Journal of Applied Physics 110 (2011) 074309, https://doi.org/10.1063/1.3642961. 231. W. Banerjee, S. Maikap, C. Lai, Y. Chen, T. Tien, H. Lee, W. Chen, F. Chen, M. Kao, M. Tsai, J. Yang, Formation polarity dependent improved resistive switching memory characteristics using nanoscale (1.3 nm) core-shell IrOx nanodots, Nanoscale research letters 7 (2012) 194, https://doi.org/10.1186/1556-276X7-194. 232. W. Chang, K. Cheng, J. Tsai, H. Chen, F. Chen, M. Tsai, T. Wu, Improvement of resistive switching characteristics in TiO2 thin films with embedded Pt nanocrystals, Appl. Phys. Lett. 95 (2009) 042104, https://doi.org/10.1063/1.3193656. 233. M. Uenuma, K. Kawano, B. Zheng, N. Okamoto, M. Horita, S. Yoshii, I. Yamashita, Y. Uraoka, Resistive random access memory utilizing ferritin protein with Pt nanoparticles, Nanotechnol. 22 (2011) 215201, https://doi.org/10.1088/0957-4484/22/21/215201. 234. J. Volatron, F. Carn, J. Kolosnjaj-Tabi, Y. Javed, Q. Vuong, Y. Gossuin, C. Ménager, N. Luciani, G. Charron, M. Hémadi, D. Alloyeau, F. Gazeau, Ferritin Protein Regulates the Degradation of Iron Oxide Nanoparticles, Small 13 (2016) 1602030, https://doi.org/10.1002/smll.201602030. 235. H. Hosein, D. Strongin, M. Allen, T. Douglas, Iron and Cobalt Oxide and Metallic Nanoparticles Prepared from Ferritin, Langmuir 20 (2004) 10283-10287, https://doi.org/10.1021/la0491100. 236. M. Okuda, K. Iwahori, I. Yamashita, H. Yoshimura, Fabrication of nickel and chromium nanoparticles using the protein cage of apoferritin, Biotechnol. Bioeng. 84 (2003) 187-194, https://doi.org/10.1002/bit.10748. 237. S. Lyu, J. Lee, Highly scalable resistive switching memory cells using poresize-controlled nanoporous alumina templates, J. Mater. Chem. 22 (2011) 1852- 1861, https://doi.org/10.1039/C1JM14592D. 238. H. Kim, M. Yun, S. Hong, T. Kim, Effect of nanopyramid bottom electrodes on bipolar resistive switching phenomena in nickel nitride films-based crossbar arrays, Nanotechnology 25 (2014) 125201, https://doi.org/10.1088/0957- 4484/25/12/125201. 239. Y. Huang, W. Tsai, C. Chou, C. Wan, C. Hsiao, H. Cheng, High-Performance Programmable Metallization Cell Memory With the Pyramid-Structured Electrode, IEEE Electron Device Letters 34 (2013) 1244-1246, https://doi.org/10.1109/LED.2013.2275851. 240. S. Otsuka, T. Shimizu, S. Shingubara, K. Makihara, S. Miyazaki, A. Yamasaki, Y. Tanimoto, K. Takase, Effect of electric field concentration using nanopeak structures on the current-voltage characteristics of resistive switching memory, AIP Advances 4 (2014) 087110, https://doi.org/10.1063/1.4892823. 241. Z. Wang, K. Zhao, H. Xu, L. Zhang, J. Ma, Y. Liu, Improvement of resistive switching memory achieved by using arc-shaped bottom electrode, Appl. Phys. Express 8 (2015) 014101, https://doi.org/10.7567/APEX.8.014101. 242. H. Shin, J. Park, H. Chung, K. Kim, H. Kim, T. Kim, Highly uniform resistive switching in SiN nanorod devices fabricated by nanosphere lithography, Appl. Phys. Express 7 (2014) 024202, https://doi.org/10.7567/APEX.7.024202. 243. Y. Zhang, G. Mao, X. Zhao, Evolution of the conductive filament system in HfO2-based memristors observed by direct atomic-scale imaging, Nat. Commun. 12 (2021) 7232, https://doi.org/10.1038/s41467-021-27575-z. 244. L. Li, K. Xue, J. Yuan, G. Mao, X. Miao, Hafnia for analog memristor: Influence of stoichiometry and crystalline structure, Phys. Rev. Materials 6 (2022) 084603, https://doi.org/10.1103/PhysRevMaterials.6.084603. 245. N. Kaiser, T. Vogel, A. Zintler, S. Petzold, A. Arzumanov, E. Piros, R. Eilhardt, L. Molina-Luna, L. Alff, Defect-Stabilized Substoichiometric Polymorphs of Hafnium Oxide with Semiconducting Properties, ACS Appl. Mater. Interfaces 14 (2021) 1290-1303, https://doi.org/10.1021/acsami.1c09451. 246. J. Zhang, Pressure-Induced Novel Compounds in the Hf-O System from First-Principles Calculations, Phys. Rev. B 92 (2015) 184104, https://doi.org/10.1103/PhysRevB.92.184104. | uk |
| dc.description.abstract | Дисертацію присвячено вивченню матеріалів для робочого шару комірок резистивної пам’яті з довільним доступом. Дослідження виконано методами функціоналу електронної густини та псевдопотенціалу із перших принципів. Використовувані зараз пристрої пам’яті мають певні недоліки, які можуть бути усунені у пристроях, виготовлених за технологією RRAM. Для зберігання та зчитування інформації з комірки RRAM використовується оборотна зміна опору комірки між двома стабільними станами. Окремо варто зазначити серед явних переваг те, що RRAM – пам'ять з довільним доступом, тобто такі пристрої забезпечують доступ до окремої комірки, а не до сторінок даних. Для широкомасштабної інтеграції пристроїв RRAM, тим не менш, необхідно вирішити ряд дослідницько-технологічних завдань. Існує кілька видів RRAM пам'яті, що різняться застосуванням різних матеріалів для виготовлення комірок. Основними вважаються OxRAM та CBRAM пам'яті. Довгий час ведуться розробки нових типів запам'ятовуючих пристроїв, і однією з них є пам'ять на основі матеріалів зі зміною фазового стану (PCM). Значним успіхом стала розробка interfacial phase-change memory (iPCM). Досліджено перемикальні параметри робочих шарів у пристроях резистивної пам'яті з довільним доступом, що виконані з таких матеріалів: епітаксіальної плівки твердого розчину SixGe1-x з дислокаціями, що заповнені сріблом; кластерів субоксидів HfOx з системою дивакансій оксигену, що заповнені атомами срібла; нескінченної наноплівки ZnO із системою вакансійних ниток у кисневій площині; кристалів твердих розчинів Sb2GexTe3- x (x=0,1,2). Виявлено, що структурна трансформація плівок кремнію або плівок твердого розчину в плівки з дислокаціями з наступним заповненням їх атомами срібла супроводжується значною зміною їх електронних властивостей від непровідних до провідних тобто реалізується фізичний механізм, що контролює перемикання між станами «встановити» й «скинути» резистивної пам'яті. При цьому наповнення плівок дислокаціями зменшує ширину енергетичної відстані між останнім заповненим та першим незайнятим рівнями цих нанооб'єктів майже на два порядки відносно бездефектних плівок і робить спектри розподілу їх електронних станів лінійчатими. Заповнення дислокацій атомами срібла приводить до зниження до нуля ширини енергетичної відстані між останнім заповненим та першим незайнятим рівнями. Визначено, що напруга перемикання між станами «встановити» й «скинути» у робочого шару резистивної пам'яті із механічно напруженої плівки твердого розчину Si0,9Ge0,1 з дислокаціями, заповненими атомами срібла або ні, становить 0,2 еВ, що в 2 рази більше ніж для плівок Si з дислокаціями. Доведено, що субоксиди HfOx є підходящими для використання у якості робочого шару резистивної пам'яті. Зафіксовано, що введення у кластер HfOx кристалічної організації кубічної сингонії кисневих вакансій у концентрації 4/64 з наступним заповненням їх атомами срібла супроводжується різкою зміною його електричних властивостей – майже на порядок знижується електричний опір (зменшується ширина енергетичної відстані між останнім заповненим та першим незайнятим рівнями) порівняно з вихідним матеріалом. Доведено, що механізм перемикання резистивної комутаційної пам'яті з робочим шаром оксиду цинку безпосередньо керується густиною кисневих вакансій. Утворення кисневих вакансій в концентрації 2/48 різко знижує електричний опір плівки ZnO (ширина енергетичної відстані між останнім заповненим та першим незайнятим рівнями зменшується на два порядки), при цьому вздовж напрямку укладання вакансій формується внутрішнє електричне поле, що характеризується потенціалом, розподіл якого набуває лінійного характеру із значною різницею вздовж напрямку вакансійної нитки, тобто утворюється внутрішня напруга зміщення, цей провідний ефект підсилюється зі збільшенням густини кисневих вакансій до концентрації 4/48. Встановлено на атомарному рівні фізичний механізм, що контролює перемикання між станами «встановити» й «скинути» резистивної пам'яті зі змінним фазовим станом, робочий шар якої складається на основі твердих розчинів Sb2GexTe3-x (x=0,1,2), та встановлені кількісні характеристики такого перемикання. Так, додавання до матеріалу Sb2Te3 атомів Ge у концентрації 36/108 знижує ширину енергетичної відстані між останнім заповненим та першим незайнятим рівнями такого твердого розчину на два порядки порівняно з вихідною речовиною, подальше збільшення концентрації атомів Ge до концентрації 72/108 нівелює набутий провідний ефект – ширина енергетичної відстані між останнім заповненим та першим незайнятим рівнями такого твердого розчину збільшується та майже не відрізняється порівняно з вихідною речовиною. Встановлено, що інженерія контрольованими дефектами забороненої зони матеріалів робочого шару резистивної пам’яті є основним фізичним змістом в механізмі перемикання. Виявлено нові форми й типи реалізації контрольованих дефектів (дивакансії, нанодроти, вакансійні нитки) у конкретних матеріалах робочих шарів пристроїв RRAM. Поглиблено розуміння інженерії дефектами забороненої зони матеріалів робочого шару резистивної пам'яті. | uk |
| dc.language.iso | uk | uk |
| dc.publisher | Криворізький державний педагогічний університет | uk |
| dc.subject | резистивна пам’ять з довільним доступом | uk |
| dc.subject | робочі шари пристроїв резистивної пам'яті з довільним доступом | uk |
| dc.subject | фізичний механізм перемикання між станами «встановити» й «скинути» резистивної пам'яті | uk |
| dc.subject | механічно напружені плівки твердого розчину SixGe1-x з дислокаціями та сріблом | uk |
| dc.subject | кластери HfOx з системою вакансій оксигену та сріблом | uk |
| dc.subject | плівки ZnO із системою вакансійних ниток | uk |
| dc.subject | кристали твердих розчинів Sb2GexTe3-x | uk |
| dc.subject | функціонал електронної густини | uk |
| dc.subject | псевдопотенціал із перших принципів | uk |
| dc.subject | просторові розподіли густини валентних електронів | uk |
| dc.subject | густини електронних станів | uk |
| dc.subject | ширини валентних та заборонених зон | uk |
| dc.subject | Кулонівські потенціали вздовж напрямків | uk |
| dc.subject | заряди в околиці атомів | uk |
| dc.title | Властивості матеріалів для резистивної пам’яті з довільним доступом | uk |
| dc.type | Thesis | uk |
