Aller au contenu principal
Accès ouvert déclaré 2025 article

A ferroelectric–memristor memory for both training and inference

26Citations signalées, ce qui n’est pas une note de qualité
10Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : fr. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Developing artificial intelligence systems that are capable of learning at the edge of a network requires both energy-efficient inference and learning. However, current memory technology cannot provide the necessary combination of high endurance, low programming energy and non-destructive read processes. Here we report a unified memory stack that functions as a memristor as well as a ferroelectric capacitor. Memristors are ideal for inference but have limited endurance and high programming energy; ferroelectric capacitors are ideal for learning, but their destructive read process makes them unsuitable for inference. Our memory stack uses a silicon-doped hafnium oxide and titanium scavenging layer that are integrated into the back end of line of a complementary metal-oxide-semiconductor process. With this approach, we fabricate an 18,432-device hybrid array (consisting of 16,384 ferroelectric capacitors and 2,048 memristors) with on-chip complementary metal-oxide-semiconductor periphery circuits. Each weight is associated with an analogue value stored as conductance levels in the memristors and a high-precision hidden value stored as a signed integer in the ferroelectric capacitors. Weight transfers between the different memory technologies occur without a formal digital-to-analogue converter. We use the array to validate an on-chip learning solution that, without batching, performs competitively with floating-point-precision software models across several benchmarks.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
A ferroelectric–memristor memory for both training and inference
Date Crossref
22/09/2025
Éditeur
Springer Science and Business Media LLC
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Commissariat à l'Énergie Atomique et aux Énergies Alternatives pays non établi dans la notice
    Organisme public
  • CEA Grenoble pays non établi dans la notice
    Organisme public
  • Laboratoire d'Électronique des Technologies de l'Information pays non établi dans la notice
    Organisme public
  • Université Grenoble Alpes pays non établi dans la notice
    Université ou école supérieure
  • Centre National de la Recherche Scientifique pays non établi dans la notice
    Organisme public
  • Université de Bordeaux pays non établi dans la notice
    Université ou école supérieure
  • Laboratoire de l'Intégration du Matériau au Système pays non établi dans la notice
    Structure de recherche
  • Institut Polytechnique de Bordeaux pays non établi dans la notice
    Université ou école supérieure
  • Université Paris-Saclay pays non établi dans la notice
    Université ou école supérieure
  • Centre de Nanosciences et de Nanotechnologies pays non établi dans la notice
    Structure de recherche

Commissariat à l'Énergie Atomique et aux Énergies Alternatives, CEA Grenoble et Laboratoire d'Électronique des Technologies de l'Information, avec 7 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Advanced Memory and Neural ComputingFerroelectric and Negative Capacitance DevicesNeuroscience and Neural Engineering

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.