Preview

Российские нанотехнологии

Расширенный поиск

Синаптическая пластичность мемристивных структур на основе поли-пара-ксилилена

https://doi.org/10.21517/1992-7223-2019-1-2-85-91

Полный текст:

Аннотация

Нейроморфные вычислительные сети (НВС) с синаптическими связями на основе мемристоров могут обеспечить значительно большую эффективность аппаратной реализации биоподобных спайковых нейронных сетей, чем цифровые синаптические элементы на основе комплементарной технологии. Для реализации энергоэффективных и в перспективе самообучаемых НВС необходимо, чтобы сопротивление мемристора, связывающего пре- и постсинаптический нейроны, могло быть изменено по локальным правилам, например по правилам пластичности, зависящей от времени прихода пре- и постсинаптического импульсов (STDP). На примере мемристивных структур Cu/поли-пара-ксилилен (РРХ)/оксид индия-олова (ITO), у которых верхний электрод (медь) выступал в качестве пресинаптического входа, а нижний (ITO) — в качестве постсинаптического, продемонстрирована возможность обучения мемристоров по правилам STDP. Найдены оптимальные значения амплитуды и длительности импульсов для прямоугольной и треугольной форм обучающих импульсов. Полученные результаты открывают перспективы создания автономных НВС, способных к обучению с учителем и без него для решения сложных когнитивных задач.

ВВЕДЕНИЕ

Одним из ключевых элементов для создания нейроморфных вычислительных систем (НВС) является мемристор — резистор с памятью, со­четающий в себе функции обработки и хранения информации [1—5]. Принцип работы мемристо­ра основан на его обратимом резистивном пере­ключении (РП) в некотором окне под действием импульса сильного электрического поля и хра­нении возникающего резистивного состояния после снятия импульса напряжения. 

Эффект РП был обнаружен в мемристорах на основе как неорганических, так и органиче­ских материалов. Например, в структурах типа металл—диэлектрик—металл (МДМ) на основе оксида металла TiO2 или полупроводника SiO2 эффект РП объясняется образованием и раз­рушением нитевидных хорошо проводящих ка­налов (conductive filaments) либо металлических мостиков (conductive bridges), формирование и разрушение которых происходит при электро­миграции вакансий кислорода в оксиде (TiO2) МДМ-структуры или катионов металла из ак­тивного электрода структуры в оксид (SiO2) со­ответственно [4, 5]. Встречаются случаи, когда оба указанных механизма определяют РП [3]. Отметим, что встречаются и другие механиз­мы, ответственные за РП: фазовые переходы (Ge2SbTe5) [4, 5], спин-поляризованный транс­порт [6], электрохимическая реакция в органи­ческих материалах [7—9]. Изначально основное внимание было направлено на разработку мем- ристоров на основе неорганических материалов ввиду их совместимости с кремниевой техноло­гией [1, 3—5, 10—13]. Однако в последнее время интерес исследователей привлекают мемристив- ные элементы на основе органических материа­лов, поскольку они не уступают неорганическим мемристорам по основным характеристикам: отношению сопротивлений в высоко- и низко­омном состояниях (Roff/Ron), времени хранения состояний (tr), количеству циклов переключения без деградации (Ne) и другим [14—16]. При этом органические материалы обладают рядом несо­мненных преимуществ: дешевизна и простота изготовления, возможность исполнения на гиб­ких подложках, биосовместимость и возмож­ность трехмерного конструирования материа­ла [17—20]. Одной из наиболее перспективных структур данного типа являются мемристоры на основе полимерных слоев поли-пара-ксилилена (также парилен, или PPX) [17]. Материалы на основе PPX нашли самое широкое примене­ние в электронике и электротехнике благодаря простому и доступному производству, гибкости и биосовместимости [21, 22]. Также PPX исполь­зуется в качестве защитного покрытия и диэлек­трического (изолирующего) слоя в интегральных микросхемах и тонкопленочных транзисторах, микроэлектромеханических системах, лазерах, волноводах и фотодиодах [23—25].

Несмотря на то что в мемристивных элемен­тах на основе PPX продемонстрирован эффект РП [17], возможность задания промежуточных состояний (пластичность) не была исследована. Особый интерес представляет возможность из­менения резистивного состояния мемристора по биологически правдоподобным алгоритмам, например пластичности, зависящей от времени прихода импульсов (spike-timing-dependent plas­ticity, STDP) [26]. В биологических нейронных сетях обучение достигается через способность синапсов изменять вес, которым определяется эффективность связи нейронов (это свойство называется синаптической пластичностью). Со­гласно STDP синаптический вес увеличивается, если пресинаптические нейроны генерируют импульс непосредственно перед постсинаптиче- скими (что указывает на причинно-следствен­ную связь), и наоборот, синаптический вес уменьшается, если постсинаптические ней­роны генерируют импульс непосредственно перед пресинаптическими (что указывает на на­рушение причинно-следственной связи) [27]. Меньшая разница во времени прихода спайков приводит к большему увеличению (или умень­шению) синаптического веса. Это делает меха­низм STDP основой для автономного обучения нейронных сетей без учителя [28]. В данной связи основной целью настоящей работы стало изучение пластичности мемристоров на основе PPX и возможности изменения их резистивного состояния по правилам STDP.

ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ

Были изучены мемристивные структуры Cu/ PPX/ITO. Слои PPX (толщиной ~ 100 нм) на­носили на стеклянную подложку с нанесенным слоем ITO, выступающим в качестве нижнего электрода, методом газофазной поверхностной полимеризации с использованием системы ва­куумного осаждения SCS Labcoater PDS 2010. PDS 2010 превращает димер парилена (2,2-пара­циклофан или его производные) в газообразный мономер; при осаждении материал полимери- зуется при комнатной температуре на подлож­ке. Промежуточная жидкая фаза или отдельный цикл отверждения отсутствуют. При использу­емых уровнях вакуума газообразный мономер одинаково осаждается на все стороны подлож­ки, в результате чего получается равномерное покрытие.

Верхний металлический электрод представ­лял собой слой меди (толщиной ~ 500 нм), по­лученный ионным распылением через теневую маску. Размеры верхних электродов составля­ли 0.2 X 0.5 мм2. Медь была выбрана в качестве химически активного материала для верхнего электрода из-за ее широкого использования при изготовлении мемристивных устройств ка­тионного типа [4, 5].

Мемристивные характеристики струк­тур Cu/PPX/ITO (параметры Roff/Ron, tr и Ne) и возможность задания их резистивного состо­яния по правилу STDP изучали с использова­нием аналитической зондовой станции Cascade Microtech PM5. Импульсы напряжения пода­вали на верхний электрод (при заземленном нижнем электроде) от источника-измерителя National Instruments PXIe-4140, запрограммиро­ванного в LabView. Все эксперименты выполня­ли при комнатной температуре.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ И ИХ ОБСУЖДЕНИЕ

На рис. 1 представлена типичная вольтамперная характеристика (ВАХ) образцов Cu/PPX/ ITO, гистерезисный характер которой опреде­ляется эффектом РП. Измерения ВАХ выпол­няли в режиме ограничения по току на уровне + 1 и -100 мА с целью предотвращения перегре­ва мемристивной структуры, сопровождаемого ее деградацией. Каждый цикл ВАХ измеряли путем приложения к структуре напряжения U в следующей последовательности: линейное по времени увеличение U от 0 до положительно­го напряжения U+, далее понижение U до отри­цательного напряжения U и затем повышение напряжения до 0. Напряжение изменяли с ша­гом 0.1 В при длительности каждого шага 100 мс. Типичные значения U+ и U составляли ±5 В. Анализ ВАХ 10 мемристивных структур показал, что среднее напряжение, необходимое для пере­ключения мемристора из состояния с высоким сопротивлением в состояние низкого сопротивления, составляет порядка 1.6 ± 0.5 В, а среднее напряжение, необходимое для переключения из состояния с низким сопротивлением в состо­яние с высоким сопротивлением, составляет по­рядка -2.1 ± 0.5 В.

 

Рис. 1. Вольтамперные характеристики образца Cu/ PPX/ITO. На вставке приведены те же ВАХ в полу­логарифмическом масштабе. Для наглядности жир­ным выделена кривая, полученная за один цикл.

 

Наблюдаемый в ВАХ эффект РП объяс­няется образованием/разрушением (в зави­симости от знака напряжения) проводящих металлических мостиков (conductive bridges) в слое PPX [29]. Предполагается, что катионы Cu верхнего электрода под действием положи­тельного напряжения мигрируют в слой PPX к нижнему электроду, где восстанавливаются и образуют проводящий мостик, замыкающий верхний и нижний электроды [30]. Таким обра­зом, при определенной величине приложенно­го положительного напряжения сопротивление мемристора уменьшается, и структура перехо­дит в низкоомное состояние. При приложении отрицательного напряжения наиболее тонкий конец мостика вблизи верхнего электрода раз­рушается, часть ионов металла возвращается об­ратно и структура переключается в высокоомное состояние.

Далее были проведены измерения числа стабильных переключений из высоко- в низ­коомное состояние и обратно без деградации (выносливость, endurance) и времени удержа­ния заданного сопротивления мемристора (ста­бильность, retention). Необходимое значение со­противления задавали при помощи алгоритма с плавно подстраиваемой амплитудой [31]. Из­мерение сопротивления проводили 1 раз в се­кунду при напряжении чтения 0.1 В.

На рис. 2 представлена зависимость сопро­тивления от времени для различных резистив­ных состояний структуры Cu/PPX/ITO. Каждая точка является результатом усреднения трех из­мерений сопротивления в высоко- и низкоом­ном состояниях. Видно, что в изучаемых мемристивных структурах сохранение резистивных состояний наблюдается на протяжении не менее полутора часов. При этом стабильными являют­ся не только крайние резистивные состояния, но и промежуточные.

 

Рис. 2. Зависимость сопротивления мемристора Cu/PPX/ITO от времени (стабильность). На вставке показана за­висимость сопротивлений мемристора в высоко- и низкоомном состояниях от количества циклов переключения (устойчивость).

 

На вставке к рис. 2 представлена зависимость сопротивлений мемристора в высоко- и низко­омном состояниях от количества циклов пере­ключения. Видно, что число стабильных пере­ключений составляет более 1000 при отношении сопротивлений в высоко- и низкоомном состоя­ниях Roff/Ron > 10. Измерения проводили следую­щим образом: мемристор, изначально находив­шийся в низкоомном состоянии, подвергался воздействию импульсов, амплитуда напряжения которых возрастала с шагом 0.1 В, длительно­стью 100 мс до тех пор, пока не происходило переключение в высокоомное состояние. Затем измеряли сопротивление Roff при напряжении чтения Ur = 0.1 В. После этого мемристор ана­логичным образом переводили обратно в низко­омное состояние; измеряли сопротивление Rgn при Ur = 0.1 В, и далее цикл повторялся.

Для демонстрации возможности обучения мемристоров на основе PPX по правилам STDP нижний электрод (ITO) мемристивной струк­туры Cu/PPX/ITO выступал в качестве преси- наптического входа, а верхний электрод (Cu) рассматривался как постсинаптический. В ка­честве пре- и постсинаптических спайков были использованы идентичные импульсы напря­жения двух типов в форме парных разнополяр­ных прямоугольных и треугольных импульсов (рис. 3). Амплитуды прямоугольных и треуголь­ных импульсов выбирали в диапазоне от 0.5 до 0.9 В так, чтобы одиночный импульс не мог привести к изменению проводимости структу­ры. С другой стороны, разность потенциалов, определяемая спайками, при некоторых времен­ных задержках между ними может составлять от 1 до 1.8 В, что находится в пределах диапазона переключения мемристора. Длительность им­пульсов варьировали от 200 до 500 мс (дискре­тизация 50 мс). Примеры использованных им­пульсов представлены на рис. 3. Проводимость мемристора G можно рассматривать как аналог синаптического веса, тогда изменение проводи­мости ΔG будет эквивалентно изменению веса: ΔG = Gf — G,, где Gf и G. — конечные и начальные значения проводимости соответственно. Про­водимость измеряли при напряжении чтения 0.1 В до и после прикладывания последователь­ности пре- и постсинаптических импульсов. Постсинаптические импульсы подавали после (до) предсинаптических импульсов с перемен­ным временем задержки Δt в диапазоне от —500 до 500 мс с шагом 50 мс. Для каждого значения времени задержки проводили по 10 измере­ний и результирующее значение ΔG выбирали как медианное значение.

 

Рис. 3. Примеры импульсов при реализации экспериментов STDP: а — парной прямоугольной формы различной амплитуды длительностью 400 мс; б — парной прямоугольной формы различной длительности амплитудой 0.7 В; в — парной треугольной формы различной амплитуды длительностью 200 мс; г — парной треугольной формы раз­личной длительности амплитудой 0.7 В.

 

На рис. 4а представлено окно STDP (зави­симость ΔG от Δΐ) для мемристорной структу­ры Cu/PPX/ITO, полученное при подаче пря­моугольных импульсов различной амплитуды с одинаковой длительностью (400 мс). На­чальная проводимость мемристора составляла 0.1 мСм. Данное значение выбирали как промежуточное в окне (Ron, Roff) для демонстрации наибольшего эффекта. Как видно из рис. 4а, результаты эксперимента подчиняются правилу STDP, наблюдаемому в биологических систе­мах [27]: синаптическая потенциация (ΔG > 0) наблюдалось при Δt > 0, а синаптическая де­прессия (ΔG < 0) — при Δt < 0. При этом форма кривой окна STDP плавная, без резких скачков и имеет один экстремум при подаче импульсов с амплитудой 0.7 В. Таким образом была выбра­на оптимальная амплитуда импульсов. Далее для амплитуды 0.7 В было измерено окно STDP с различной длительностью импульсов. Началь­ная проводимость мемристора также составля­ла 0.1 мСм. Как видно из рис. 4б, оптимальный результат в этом случае достигается при исполь­зовании импульсов длительностью 300 мс. От­метим, что также существует зависимость окна STDP от начальной проводимости мемристора: чем выше начальная проводимость, тем изме­нение ΔG больше при отрицательных Δt и мень­ше при положительных Δ^ Такая зависимость может быть объяснена ограничениями снизу и сверху в проводимости мемристора [32].

 

Рис. 4. Зависимость изменения проводимости мемристорной структуры Cu/PPX/ITO от разницы во времени при­хода на него прямоугольных импульсов различной амплитуды (а) и длительности (б).

 

Аналогичные измерения были проведены для парных треугольных импульсов. На рис. 5а представлено окно STDP, полученное при пода­че на мемристор спайков в форме парных треу­гольных импульсов различной амплитуды. На­чальная проводимость мемристора составляла 0.1 мСм, длительность импульса составляла 400 мс. Как видно, в данном случае оптимальный результат достигается при подаче импульсов с ам­плитудой 8 В. Далее для полученной амплиту­ды было получено окно STDP с различной дли­тельностью импульсов. Начальная проводимость мемристора также составляла 0.1 мСм. Как сле­дует из данных рис. 5б, оптимальный результат в этом случае достигается при использовании импульсов длительностью 200 и 300 мс. Отметим, что при длительности импульсов 200 мс измене­ние проводимости менее резкое, что является бо­лее предпочтительным при обучении НВС.

 

Рис. 5. Зависимость изменения проводимости мемристора Cu/PPX/ITO от разницы во времени прихода на него спайков в форме парных треугольных импульсов различной амплитуды (а) и длительности (б).

 

ЗАКЛЮЧЕНИЕ

В работе изучены основные свойства мем- ристивных структур Cu/PPX/ITO (отношение сопротивлений в высоко- и низкоомном со­стояниях, время хранения резистивных состоя­ний, устойчивость к переключениям). Впервые продемонстрирована возможность обучения мемристора на основе PPX по правилам STDP. При этом найдены оптимальные значения ам­плитуды и длительности спайковых импульсов различной формы: для прямоугольного импуль­са — 0.7 В и 300 мс; а для треугольного — 0.8 В и 200 мс. Полученные результаты открывают перспективы создания основанных на мемри- сторах Cu/PPX/ITO автономных НВС, способ­ных к обучению для решения сложных когни­тивных задач.

Список литературы

1. Strukov D.B., Snider G.S., StewartD.R. et al. The missing memristor found // Nature. 2008. V. 453. P. 80. https://doi.org/10.1038/nature06932.

2. Antonov I.N., Belov A.I., Mikhaylov A.N. et al. Formation of Weighting Coefficients in an Artificial Neural Network Based on the Memristive Effect in Metal— Oxide-Metal Nanostructures // J. Commun. Technology Electronics. 2018. V. 63, № 8. P. 950. https://link.springer.com/article/10.1134/S106422691808003X.

3. Lee J.S., Lee S., Noh T.W., Resistive switching phenomena: A review of statistical physics approaches // Appl. Phys. Rev. 2015. № 2. P. 031303. https://doi.org/10.1063/1.4929512.

4. Ielmini D. Resistive switching memories based on metal oxides: mechanisms, reliability and scaling // Semi-cond. Sci. Technol. 2016. V. 31. P 063002. https://doi.org/10.1088/0268-1242/31/6/063002.

5. Resistive Switching: From Fundamentals of Nanoionic Redox Processes to Memristive Device Applications / Eds Ielmini D., Waser R. Weinheim, Germany: Wi-ley-VCH Verlag GmbH & Co. KGaA, 2016. 755 p.

6. Grollier J., Querlioz D., Stiles M.D. Spintronic Nanodevices for Bioinspired Computing // Proc. IEEE. 2016. V. 104. P. 2024. https://doi.org/10.1109/JPROC.2016.2597152.

7. Das B.C., Pillai R.G., Wu Y. et al. Redox-Gated Three-Terminal Organic Memory Devices: Effect of Composition and Environment on Performance // ACS Appl. Mater. Inter. 2013. V. 5, № 21. P. 11052. DOI: 10.1021/am4032828.

8. Lapkin D.A., Korovin A.N., Demin V.A. et al. Organic Memristive Device Based on Polyaniline Film Prepared by Spin Coating // BioNanoSci. 2015. V. 5. P. 181. https://doi.org/10.1007/s12668-015-0177-6.

9. Lapkin D.A., Emelyanov A.V., Demin V.A. et al. Polyaniline-based memristive microdevice with high switching rate and endurance // Appl. Phys. Lett. 2018. V. 112. P 043302. https://doi.org/10.1063/L5013929.

10. Miao F, Strachan J.P., Yang J.J. et al. Anatomy of a Nanoscale Conduction Channel Reveals the Mechanism of a High-Performance Memristor // Adv. Mater. 2011. V. 23. P 5633. https://doi.org/10.1002/adma.201103379.

11. Rylkov V.V., Nikolaev S.N., Demin V.A. et al. Transport, Magnetic, and Memristive Properties of a Nanogranular (CoFeB)x(LiNbOy)100-x Composite Material // J. Exp. Theor. Phys. 2018. V. 126. P 353. https://doi.org/10.1134/S1063776118020152.

12. Levanov V.A., Emel’yanov A.V., Demin V.A. et al. Memristive Properties of Structures Based on (Co41Fe39B20)x(LiNbO3)100-x Nanocomposites // J. Commun. Technology Electronics. 2018. V. 63, № 5. P. 491. https://link.springer.com/article/10.1134/S1064226918050078.

13. Mikhaylov A.N., Belov A.I., Guseinov D.V. et al. Bipolar resistive switching and charge transport in silicon oxide memristor // Mater. Sci. Eng. B. 2015. V. 194. P 48. https://doi.org/10.1016/j.mseb.2014.12.029.

14. van Doremaele E.R.W., Gkoupidenis P, van de Burgt Y. Towards organic neuromorphic devices for adaptive sensing and novel computing paradigms in bioelectronics // J. Mater. Chem. C. 2019. https://doi.org/10.1039/C9TC03247A.

15. IelminiD, WongH.-S.P. In-Memory Computing with Resistive Switching Devices // Nature Electronics. 2018. № 1. P 333.

16. Del Valle J., Ramirez J.G., Rozenberg M.J., Schuller I.K. Challenges in Materials and Devices for Resistive-Switching-Based Neuromorphic Computing // J. Appl. Phys. 2018. V. 124. P. 211101.

17. Li Y, Wang Z, Midya R., Xia Q., Yang J.J. Review of Memristor Devices in Neuromorphic Computing: Materials Sciences and Device Challenges // J. Phys. D: Appl. Phys. 2018. V. 51. P 503002.

18. Cai Y, Tan J., YeFan L. et al. A flexible organic resistance memory device for wearable biomedical applications // Nanotechnology. 2016. V. 27. № 27. P 275206.

19. Van de Burgt Y, Melianas A., Keene S.T. et al. Organic Electronics for Neuromorphic Computing // Nature Electronics. 2018. V. 394. P 386.

20. Hosseini N.R., Lee J.-S. Biocompatible and Flexible Chitosan-Based Resistive Switching Memory with Magnesium Electrodes // Adv. Funct. Mater. 2015. V. 25. P. 5586.

21. Siddiqui G.U., Rehman M.M., Yang Y.J., Choi K.H.A Two-Dimensional Hexagonal Boron Nitride/Polymer Nanocomposite for Flexible Resistive Switching Devices // J. Mater. Chem. C. 2017. V. 5. P 862.

22. Qingyu Chen, Min Lin, Zongwei Wang et al. Low Power Parylene-Based Memristors with a Graphene Barrier Layer for Flexible Electronics Applications // Adv. Electron. Mater. 2019. P 1800852.

23. Wang R., Liu Y., Bai B. et al. Wide-Frequency-Band-width Whisker-Inspired MEMS Vector Hydrophone Encapsulated with Parylene // J. Phys. D: Appl. Phys. 2016. V. 49. P. 07LT02.

24. Kim B.J., Gutierrez C.A., Meng E. Parylene-Based Electrochemical-MEMS Force Sensor for Studies of Intracortical Probe Insertion Mechanics // J. Micro-electromech. Syst. 2015. V. 24. P 1534.

25. Le B.Q., Nhan E, Maurer R.H. et al. Miniaturization of Space Electronics with Chip-on-Board Technology // Johns Hopkins APL Tech. Dig. 1999. V. 20. P 50.

26. Saighi S, Mayr C.G., Serrano-Gotarredona T. et al. Plasticity in memristive devices for spiking neural networks // Front. Neurosci. 2015. V. 9. 51. https://doi.org/10.3389/fnins.2015.00051.

27. Markram H., Lubke J., Frotscher M., Sakmann B. Regulation of Synaptic Efficacy by Coincidence of Postsynaptic APs and EPSPs // Science. 1997. V. 275. P. 213. https://doi.org/10.1126/sci-ence.275.5297.213.

28. Masquelier T, Guyonneau R., Thorpe S.J. Competitive STDP-Based Spike Pattern Learning // Neural Comput. 2009. V. 21. P 1259. https://doi.org/10.1162/neco.2008.06-08-804.

29. Minnekhanov A.A., Emelyanov A.V., Lapkin D.A. et al. Parylene Based Memristive Devices with Multilevel Resistive Switching for Neuromorphic Applications // Scientific Reports. 2019. V. 9. P 10800.

30. Minnekhanov A.A., Shvetsov B.S., Martyshov M.M. et al. On the resistive switching mechanism of parylene-based memristive devices // Organic Electronics. 2019. V. 74. P. 89.

31. Никируй К.Э., Емельянов А.В., Демин В.А. и др. Прецизионный алгоритм переключения мемристора в состояние с заданным сопротивлением // Письма в ЖТФ. 2018. Т. 44. № 10. С. 20.

32. Никируй К.Э., Емельянов А.В., Рыльков В.В. и др. Адаптивные свойства спайковых нейроморфных сетей с синаптическими связями на основе мемристивных элементов // Письма в ЖТФ. 2019. Т. 45. № 8. P 19.


Об авторах

Б. С. Швецов
Московский государственный университет им. М.В. Ломоносова; Национальный исследовательский центр “Курчатовский институт”
Россия


А. В. Емельянов
Национальный исследовательский центр “Курчатовский институт”; Московский физико-технический институт
Россия

Москва, Долгопрудный



А. А. Миннеханов
Национальный исследовательский центр “Курчатовский институт”
Россия

Москва



К. Э. Никируй
Национальный исследовательский центр “Курчатовский институт”; Московский физико-технический институт
Россия

Москва, Долгопрудный



А. А. Несмелов
Национальный исследовательский центр “Курчатовский институт”
Россия

Москва



М. Н. Мартышов
Московский государственный университет им. М.В. Ломоносова
Россия


В. В. Рыльков
Национальный исследовательский центр “Курчатовский институт”; Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова, РАН
Россия

Москва



В. А. Демин
Национальный исследовательский центр “Курчатовский институт”
Россия

Москва



Просмотров: 142


ISSN 1992-7223 (Print)