Das PGI-7-Team gewinnt drei Awards auf der MEMRISYS 2026.

Drei Awards für PGI-7 auf der MEMRISYS 2026: Jinhao Zhang und Luisa Bayer erhielten die Best Poster Awards, während Ankit Bende mit dem Best Oral Presentation Award auf der 9. Internationalen Konferenz für memristive Materialien, Bauelemente und Systeme in Darmstadt ausgezeichnet wurde.

Three people holding framed certificates in a laboratory setting with various devices and equipment in the background. (Mistral: Mistral Medium 3.5, 2026-11-03)

PGI-7-Team kehrt mit drei Auszeichnungen von der 9. Internationalen Konferenz für memristive Materialien, Devices und Systeme (MEMRISYS 2026) zurück. Die vom 5. bis 8. Oktober im darmstadtium in Darmstadt, Deutschland, stattfindende MEMRISYS ist eine führende internationale Konferenz, die Forschende aus den Bereichen memristive Materialien, Devices und Systeme zusammenbringt. Im Mittelpunkt stehen zukünftige Speichertechnologien und KI-Computing.

Zwei der Auszeichnungen waren Best Poster Awards:

Jinhao Zhang erhielt die Auszeichnung für sein Poster „Compact Modeling of Trap-Assisted Tunneling in Area-Dependent PCMO Memristive Devices“. Darin entwickelte er ein kompaktes Modell zur Untersuchung von PCMO-basierten Valenzwechsel-Speicherdevices mit Doppelschichtstruktur und identifizierte Löcher als dominante Ladungsträger beim trap-assistierten Tunnelmechanismus.

Luisa Bayer wurde für ihr Poster „Size-Dependent Memristive Switching in HfO2 Nanoislands Revealed by Conductive Atomic Force Microscopy“ ausgezeichnet. Ihre Arbeit zeigt erstmals wiederholtes In-situ-resistives Schalten in einzelnen HfO₂-Nanoinseln mit Durchmessern von nur 10 nm mithilfe der leitfähigen Rasterkraftmikroskopie (C-AFM). Dabei wurde eine ausgeprägte Größenabhängigkeit des Schaltverhaltens festgestellt, die auf eine untere Größengrenze für die Ausbildung eines filamentären Schaltmechanismus zurückgeführt wird.

Der dritte Preis war der Best Oral Presentation Award:

Dieser ging an Ankit Bende für seinen Vortrag „Precision-Energy Trade-offs in 28nm RRAM-Based MAC Arrays“. Seine Arbeit untersucht, wie sich Genauigkeit und Energieeffizienz in RRAM-Chips ausbalancieren lassen, die KI-Berechnungen direkt im Speicher durchführen. Dabei wird gezeigt, dass sich durch gezielte Optimierung der Devices der Energieverbrauch erheblich senken lässt, ohne die Genauigkeit zu beeinträchtigen.

Herzlichen Glückwunsch an alle drei Preisträger! Ein herzlicher Dank gilt außerdem allen Forschenden aus PGI-7, PGI-10 und PGI-4, die zu diesen Arbeiten beigetragen haben!

Letzte Änderung: 03.11.2026