Perovskite memristors for neuromorphic applications
| datacite.contributor.RelatedPerson | Φακής, Μιχάλης | |
| datacite.contributor.RelatedPerson | Κούρτης, Μιχαήλ Αλέξανδρος | |
| datacite.contributor.RelatedPerson | Δαβάζογλου, Δημήτριος | |
| datacite.contributor.RelatedPerson | Βασιλοπούλου, Μαρία | |
| datacite.contributor.RelatedPerson | Σκαρτλάτος, Δημήτριος | |
| datacite.contributor.RelatedPerson | Ψυχαλίνος, Κωνσταντίνος | |
| datacite.contributor.Supervisor | Παλίλης, Λεωνίδας | |
| dc.contributor.author | Gion, Kalemai | |
| dc.contributor.other | Γιον, Καλεμάι | |
| dc.date.accessioned | 2026-10-19T07:25:54Z | |
| dc.date.available | 2026-10-19T07:25:54Z | |
| dc.date.issued | 2026-10-07 | |
| dc.degree | doctoralThesis | |
| dc.description.abstract | This research explores the development of memristive systems for neuromorphic computing by bridging biological synaptic plasticity with nanoscale device physics. The study investigates transition metal oxides, specifically addressing a stoichiometry paradox in molybdenum oxide devices where fully stoichiometric matrices unexpectedly yield superior resistive switching and high ON/OFF ratios by tightly confining filament percolation. To optimize analog update linearity and suppress stochastic noise, the research leverages space-charge-limited current (SCLC) and quantum mechanical tunneling via polymer interlayers like PMMA. Furthermore, the work evaluates halide perovskites, capitalizing on their unique mixed ionic-electronic transport for neuromorphic sensing. It mitigates inherent environmental and operational degradation through engineered 2D/3D heterojunctions and structural passivation strategies. By integrating theoretical defect chemistry with extensive experimental characterization, this framework advances the scalability and reliability of artificial synapses for next-generation hardware architectures. | |
| dc.description.sponsorship | This research was funded by the Open Autonomous Programmable Cloud Apps and Smart Sensors(OASEES) Project (Grant Number: 101092702) by the European Commission – Horizon Europe Programme. | |
| dc.description.translatedabstract | Αυτή η έρευνα διερευνά την ανάπτυξη συστημάτων μνήμης για νευρομορφικούς υπολογιστές γεφυρώνοντας τη βιολογική συναπτική πλαστικότητα με τη φυσική συσκευών νανοκλίμακας. Η μελέτη διερευνά οξείδια μετάλλων μετάπτωσης, αντιμετωπίζοντας συγκεκριμένα ένα παράδοξο στοιχειομετρίας σε συσκευές οξειδίου του μολυβδαινίου όπου οι πλήρως στοιχειομετρικές μήτρες αποδίδουν απροσδόκητα ανώτερη μεταβολή αντίστασης και υψηλές αναλογίες ON/OFF περιορίζοντας αυστηρά τη διήθηση του νήματος. Για τη βελτιστοποίηση της γραμμικότητας της αναλογικής ενημέρωσης και την καταστολή του στοχαστικού θορύβου, η έρευνα αξιοποιεί ρεύμα περιορισμένου φορτίου χώρου (SCLC) και κβαντομηχανική σήραγγα μέσω ενδιάμεσων στρωμάτων πολυμερών όπως το PMMA. Επιπλέον, η εργασία αξιολογεί τους περοβσκίτες αλογονιδίων, αξιοποιώντας τη μοναδική μικτή ιοντική-ηλεκτρονική μεταφορά τους για νευρομορφική ανίχνευση. Μετριάζει την εγγενή περιβαλλοντική και λειτουργική υποβάθμιση μέσω μηχανικών ετεροσυνδέσεων 2D/3D και στρατηγικών δομικής παθητικοποίησης. Ενσωματώνοντας τη θεωρητική χημεία ελαττωμάτων με εκτεταμένο πειραματικό χαρακτηρισμό, αυτό το πλαίσιο προάγει την επεκτασιμότητα και την αξιοπιστία των τεχνητών συνάψεων για αρχιτεκτονικές υλικού επόμενης γενιάς. | |
| dc.identifier.uri | https://hdl.handle.net/10889/33214 | |
| dc.language.iso | en | |
| dc.rights | Attribution 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by/3.0/gr/ | |
| dc.subject | Memristor | |
| dc.subject | Perovskites | |
| dc.subject | Neuromorphic applications | |
| dc.subject.alternative | Μεμρίστορ | |
| dc.subject.alternative | Περοβσκίτες | |
| dc.subject.alternative | Νευρομορφικές εφαρμογές | |
| dc.title | Perovskite memristors for neuromorphic applications | |
| dc.title.alternative | Μεμρίστορς βασισμένα σε αλογονιδικούς περοβσκίτες για νευρομορφικές εφαρμογές |
Files
Original bundle
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 5.02 KB
- Format:
- Item-specific license agreed upon to submission
- Description: