Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Cecilia Giovinazzo

Cette personne n’est plus à l’EPFL

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (4)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

Multi-ReRAM synapses for artificial neural network training

Elmira Shahrabi, Igor Krawczuk, Yusuf Leblebici, Irem Boybat Kara, Carlo Ricciardi, Cecilia Giovinazzo, Evangelos Eleftheriou, Abu Sebastian

Metal-oxide-based resistive memory devices (ReRAM) are being actively researched as synaptic elements of neuromorphic co-processors for training deep neural networks (DNNs). However, device-level non-idealities are posing significant challenges. In this wo ...

IEEE2019

Switching Kinetics Control of W-Based ReRAM Cells in Transient Operation by Interface Engineering

Thomas La Grange, Yusuf Leblebici, Mahmoud Hadad, Carlo Ricciardi, Cecilia Giovinazzo, Miguel Ramos

Tungsten (W) is one of the most promising materials to be used in resistive random-access memory electrodes due to its low work function and compatibility with semiconductors, which raises the possibility of device integration, scalability, and low power c ...

WILEY2019

Analog Control of Retainable Resistance Multistates in HfO2 Resistive-Switching Random Access Memories (ReRAMs)

Elmira Shahrabi, Yusuf Leblebici, Jury Sandrini, Carlo Ricciardi, Cecilia Giovinazzo, Oguz Tolga Celik

Resistive-switching random access memory (ReRAM) technologies are nowadays a good candidate to overcome the bottleneck of Von Neumann architectures, taking advantage of their logic-in-memory capability and the ability to mimic biological synapse behavior. ...

AMER CHEMICAL SOC2019