Исследование электрофизических свойств комбинированного мемристорно-диодного кроссбара, являющегося основой для аппаратной реализации биоморфного нейропроцессора

Об авторах:

Писарев Александр Дмитриевич, кандидат технических наук, доцент кафедры прикладной и технической физики, Школа естественных наук, Тюменский государственный университет, Тюмень, Россия; старший научный сотрудник, лаборатория мемристорных материалов, Центр природовдохновленного инжиниринга, Тюменский государственный университет, Тюмень, Россия; spcb.doc@utmn.ru, https://orcid.org/0000-0002-5602-3880

Бусыгин Александр Николаевич, кандидат физико-математических наук, доцент кафедры прикладной и технической физики, Школа естественных наук, Тюменский государственный университет, Тюмень, Россия; старший научный сотрудник, лаборатория мемристорных материалов, Центр природовдохновленного инжиниринга, Тюменский государственный университет, Тюмень, Россия; a.n.busygin@utmn.ru, https://orcid.org/0000-0002-3439-8067

Бобылев Андрей Николаевич, заведующий лабораторией электронной и зондовой микроскопии НОЦ «Нанотехнологии», Тюменский государственный университет; eLibrary AuthorID, ScopusID, andreaubobylev@gmail.com; ORCID: 0000-0001-5488-8736

Губин Алексей Александрович, аспирант кафедры прикладной и технической физики, инженер НОЦ «Нанотехнологии», Тюменский государственный университет; a.a.gubin@utmn.ru

Удовиченко Сергей Юрьевич, доктор физико-математических наук, профессор кафедры прикладной и технической физики, Школа естественных наук, Тюменский государственный университет, Тюмень, Россия; научный руководитель лаборатории мемристорных материалов, Центр природовдохновленного инжиниринга, Тюменский государственный университет, Тюмень, Россия; udotgu@mail.ru, https://orcid.org/0000-0003-3583-7081

Аннотация:

С целью проверки работоспособности запоминающей и логической матриц биоморфного нейропроцессора изготовлен комбинированный мемристорно-диодный кроссбар, являющийся основой этих матриц, и проведено исследование его электрофизических свойств.

Изготовлен измерительный лабораторный стенд, который содержит мемристорно-диодный кроссбар и управляющую периферийную электрическую схему на дискретных элементах с КМОП-логикой, подключенную к источнику-измерителю Keithley SourceMeter 2400.

Сделан выбор в пользу кремниевого перехода p-Si/n-Si, поскольку его электрические свойства лучше удовлетворяют требованиям, предъявляемым к диоду Зенера, по сравнению с переходом p-Si/ZnO. Изготовлен мемристорно-диодный кроссбар со структурой TiN/Ti_0,93Al_0,07O_x/p-Si/n-Si/W, включающей новый диод. Показано, что ячейка кроссбара с диодом p-Si/n-Si обладает лучшим выпрямляющим свойством по сравнению с ячейкой с диодом p-Si/ZnO_x, поскольку ток в открытой ячейке при положительном напряжении значительно выше, чем при отрицательном напряжении. Высокое выпрямляющее свойство ячейки необходимо для функционирования диодной логики в логической матрице и при записи состояний мемристоров в запоминающей и логической матрицах.

Проведено исследование электрофизических свойств мемристорно-диодного кроссбара: измерение вольт-амперных характеристик диода и мемристорно-диодной ячейки и обработка сигналов в следующих режимах: сложения выходных импульсов нейронов и их маршрутизации на синапсы других нейронов; умножения матрицы чисел на вектор, которое выполняется в запоминающей матрице при взвешивании и суммировании сигналов; а также ассоциативного самообучения.

Впервые продемонстрирована генерация новой ассоциации (нового знания) в изготовленном мемристорно-диодном кроссбаре, в отличие от ассоциативного самообучения в существующих аппаратных нейросетях с синапсами на базе дискретных мемристоров.

Определено изменение выходного тока ячейки кроссбара, связанное с протеканием паразитных токов через соседние ячейки. Показано, что, управляя параметрами диода Зенера, можно уменьшить энергопотребление при работе комбинированного кроссбара. Полученные электрофизические характеристики свидетельствуют об эффективной работоспособности комбинированного мемристорно-диодного кроссбара, предназначенного для изготовления запоминающей и логической матриц.

Список литературы:

1. Бобылев А. Н. Увеличение диапазона резистивного переключения мемристора для реализации большего числа синаптических связей в нейропроцессоре / А. Н. Бобылев, С. Ю. Удовиченко, А. Н. Бусыгин, А. Х. Ибрагим // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2019. Том 5. № 2. С. 124-136. DOI: 10.21684/2411-7978-2019-5-2-124-136

2. Писарев А. Д. Выбор материалов и нанотехнология изготовления комбинированного мемристорного-диодного кроссбара — основы аппаратной реализации нейропроцессора / А. Д. Писарев, С. Ю. Удовиченко, А. Н. Бусыгин, А. Н. Бобылев, А. Х. Ибрагим, А. А. Губин // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2019. Том 5. № 4. C. 200-219. DOI: 10.21684/2411-7978-2019-5-4-200-219

3. Писарев А. Д. Комбинированный мемристорно-диодный кроссбар как основа запоминающего устройства / А. Д. Писарев, А. Н. Бусыгин, А. Н. Бобылев, С. Ю. Удовиченко // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2017. Том 3. № 4. С. 142-149. DOI: 10.21684/2411-7978-2017-3-4-142-149

4. Bobylev A. N. The effect of aluminum dopant amount in titania film on the memristor electrical properties / A. N. Bobylev, S. Y. Udovichenko, A. N. Busygin, A. H. Ebrahim // Nano Hybrids and Composites. 2020. Vol. 28. Pр. 59-64. DOI: 10.4028/www.scientific.net/NHC.28.59

5. Filippov V. A. A biomorphic neuron model and principles of designing a neural network with memristor synapses for a biomorphic neuroprocessor / V. A. Filippov, A. N. Bobylev, A. N. Busygin, A. D. Pisarev, S. Yu. Udovichenko // Neural Computing and Applications. 2020. Vol. 32. Рр. 2471-2485. DOI: 10.1007/s00521-019-04383-7

6. Lee M.-J. 2-stack ID-IR cross-point structure with oxide diodes as switch elements for high density resistance RAM applications / M.-J. Lee, Y. Park, B.-S. Kang, S.-E. Ahn, C. Lee, K. Kim, W. Xianyu, G. Stefanovich, J.-H. Lee, S.-J. Chung, Y.-H. Kim, C.-S. Lee, J.-B. Park, I.-G. Baek, I.-K. Yoo // IEEE International Electron Devices Meeting. Washington, DC, USA: IEEE, 2007. Рp. 771-774. DOI: 10.1109/IEDM.2007.4419061

7. Maevsky O. V. Complementary memristor-diode cell for a memory matrix in neuromorphic processor / O. V. Maevsky, A. D. Pisarev, A. N. Busygin, S. Y. Udovichenko // International Journal of Nanotechnology. 2018. Vol. 15. No. 4/5. Pр. 388-393. DOI: 10.1504/IJNT.2018.094795

8. Pisarev A. 3D memory matrix based on a composite memristor-diode crossbar for a neuromorphic processor / A. Pisarev, A. Busygin, S. Udovichenko, O. Maevsky // Microelectronic Engineering. 2018. Vol. 198. Pр. 1-7. DOI: 10.1016/j.mee.2018.06.008

9. Pisarev A. D. The biomorphic neuroprocessor based on the composite memristor-diode crossbar / A. D. Pisarev, A. N. Busygin, S. Y. Udovichenko, O. V. Maevsky // Microelectronic Journal. 2020. Vol. 102. Article 104827. DOI: 10.1016/j.mejo.2020.104827

10. Udovichenko S. 3D CMOS, memristor nanotechnology for creating logical and memory matrices of neuroprocessor / S. Udovichenko, A. Pisarev, A. Busygin, O. Maevsky // Nanoindustry. 2017. No. 5. Pр. 26-34. DOI: 10.22184/1993-8578.2017.76.5.26.34

11. Udovichenko S. Yu. Neuroprocessor based on combined memristor-diode crossbar / S. Yu. Udovichenko, A. D. Pisarev, A. N. Busygin, O. V. Maevsky // Nanoindustry. 2018. No. 5. Pр. 344-355. DOI: 10.22184/1993-8578.2018.84.5.344.355.