中国研究人员通过限制纤锌矿铁电体中的氮空位移动,显著提高了下一代内存技术的耐久性。这项进展允许超过100亿次写入循环,与之前在氮化铝钪(AlScN)等材料上的成就相比提高了100倍。这项由西安交通大学、香港城市大学和复旦大学合作取得的突破,解决了关键的可靠性障碍,并可能加速铁电内存在高性能计算和AI系统中的应用。 AI
影响 内存耐久性的这项进展可以为未来的AI系统提供更强大、更高效的硬件,可能降低延迟并提高处理能力。
排序理由 Science期刊发表的关于材料科学突破的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- AlScN
- aluminium scandium nitride
- City University of Hong Kong
- Fudan University
- science
- Xian Daily
- Xidian University
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →