Resistive switching devices emerged a huge amount of interest as promising candidates for non-volatile memories as well as artificial synapses due to their memristive behavior. The main physical and chemical phenomena which define their functionality are driven by externally applied voltages, and the resulting electric fields. Although molecular dynamics simulations are widely used in order to describe the dynamics on the corresponding atomic length and time scales, there is a lack of models which allow for the actual driving force of the dynamics, i.e. externally applied electric fields. This is due to the restriction of currently applied models to either solely conductive, non-reactive or insulating materials, with thicknesses in the order of the potential cutoff radius, i.e., 10 \r{A}. In this work, we propose a generic model, which can be applied in particular to describe the resistive switching phenomena of metal-insulator-metal systems. It has been shown that the calculated electric field and force distribution in case of the chosen example system Cu/a-SiO$_2$/Cu are in agreement with fundamental field theoretical expectations.


翻译:作为非挥发性记忆和人工突触的有希望的候选者,静态转换装置因其记忆和人工突触行为而引起了极大的兴趣。决定其功能的主要物理和化学现象是由外部应用的电压和由此产生的电场驱动的。虽然分子动态模拟被广泛用于描述相应的原子长度和时间尺度的动态,但缺乏允许动态实际动力的模型,即外部应用电场的实际驱动力,这是因为目前应用的模型仅限于导电、非反应或绝缘材料,其厚度按潜在截断半径(即10\r{A})的顺序排列。在这项工作中,我们提出了一个通用模型,可特别用于描述金属绝缘系统抗变现象。已经表明,在选定示例系统Cu/a-SiO$_2美元/Cu的情况下,计算出的电场和强度分布符合基本的实地理论期望。

0
下载
关闭预览

相关内容

Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
153+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
21+阅读 · 2019年8月21日
Arxiv
4+阅读 · 2018年5月24日
VIP会员
相关VIP内容
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
153+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员