350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №2 за 2024 г.
Статья в номере:
Схемотехническое моделирование мемристоров
Тип статьи: научная статья
DOI: https://doi.org/10.18127/j19998554-202402-04
УДК: 621.382
Авторы:

Ду Хаолун1, В.П. Жалнин2, В.А. Шахнов3

1–3 МГТУ им. Н.Э. Баумана (Москва, Россия)

2 shakhnov@mail.ru

Аннотация:

Постановка проблемы. За последние несколько десятилетий рост показателей электронной и вычислительной способности коренным образом изменил нашу работу и жизнь, и ожидается, что в будущем произойдут новые значительные изменения. Новое поколение электронно-вычислительных машин будет строиться по принципу построения человеческого мозга. Оно будет основано на принципиально новой элементной базе с применением новых технологий. Основным их качеством должен быть высокий интеллектуальный уровень, в частности, распознавание речи, образов. Это требует перехода от традиционной фон-неймановской архитектуры компьютера к архитектурам, учитывающим требования задач создания искусственного интеллекта. Проблемы, с которыми сегодня сталкивается классическая система вычислительной структуры, обусловлены узкими местами архитектуры фон Неймана. Мемристор предлагает решение, которое может быть непосредственно интегрировано в кристалл процессора с высокой плотностью запоминающего слоя, что значительно снижает нагрузку на память. И это решение повышает энергоэффективность и скорость системы. Моделирование мемристоров стало главным приоритетом, который обеспечит направление исследований для выбора и производства мемристоров в будущем.

Цель. Разработать схемотехническую модель мемристора, исследовать его вольт-амперные характеристики и провести анализ влияния некоторых параметров мемристора на его сопротивление.

Результаты. Рассмотрены схемотехнические модели мемристора. Приведены результаты моделирования мемристора, управляемого проходящим через него зарядом, и мемристора, управляемого магнитным потоком. Проверены с помощью схемотехнического моделирования свойства мемристора и проанализировано влияние различных параметров на величину его сопротивления. Отмечено, что мемристор обладает следующими тремя особенностями: 1) значение сопротивления мемристора изменяется в зависимости от входного напряжения по характеристике, подобной фигуре Лиссажу; 2) нелинейность уменьшается с увеличением частоты входного сигнала, когда частота достигает определенного большего значения, мемристор становится линейным резистором; 3) нелинейность также связана с амплитудой входного сигнала, чем больше амплитуда входного сигнала, тем больше нелинейность, и наоборот. Проведен анализ вольт-амперной характеристики мемристора при различных условиях. Установлено, что факторами, влияющими на сопротивление мемристора, являются напряжение и частота входного сигнала, площадь поперечного сечения и толщина функционального слоя мемристора.

Практическая значимость. Моделирование мемристора дает исследователям направление и метод для дальнейшего изучения его характеристик, в то же время обеспечивая помощь в оптимизации параметров и повышении производительности мемристора.

Страницы: 34-48
Для цитирования

Ду Хаолун, Жалнин В.П., Шахнов В.А. Схемотехническое моделирование мемристоров // Нейрокомпьютеры: разработка, применение. 2024. T. 26. № 2. С. 34-48. DOI: https://doi.org/10.18127/j19998554-202402-04

Список источников
  1. Chua L.O. Memristor – The missing circuit element // IEEE Transactions on Circuit Theory. 1971. V. 18. № 5. P. 507–519. DOI 10.1109/TCT.1971.1083337.
  2. Ду Хаолун Современное состояние разработки мемристора // Сб. тезисов докладов 13-й Междунар. конф. «Кремний – 2020». Ялта. 2020. С. 342–343.
  3. Ахметов Н.Р., Власов А.И., Димитров Д.А., Ду Хаолун, Жалнин В.П., Шахнов В.А., Шанин А.В., Шерстюк А.Е. Перспективная элементная база для смарт-систем в условиях цифровой трансформации промышленности // Датчики и системы. 2021. № 1(254). С. 9–17. DOI 10.25728/datsys.2021.1.2.
  4. Жалнин В.П., Семенов А.С., Вандюков А.Д. Современные тенденции развития полупроводниковых технологий // Технологии инженерных и информационных систем. 2022. № 1. C. 95–103.
  5. Данилин С.Н., Щаников С.А., Борданов И.А., Зуев А.Д. Количественное определение отказоустойчивости искусственных нейронных сетей на базе мемристоров // Нейрокомпьютеры: разработка, применение. 2020. Т. 22. № 1. С. 55–65. DOI 10.18127/j19998554-202001-06.
  6. Strukov D.B., Snider G.S., Stewart D.R., Williams R.S. The missing memristor found // Nature. 2008. V. 453. № 7191. P. 80–83. DOI 10.1038/nature06932.
  7. Chua L.O. Resistance switching memories are memristors. Handbook of memristor networks. Springer. Cham. 2019. DOI 10.1007/978-3-319-76375-0_6.
  8. Жалнин В.П., Макаров С.С., Комлев И.Е. Анализ перспектив реализации нейросетевых компонентов на мемристивной основе // Технологии инженерных и информационных систем. 2021. № 1. C. 48–58.
  9. Adhikari S.P., Sah M.P., Kim H., Chua L.O. Three Fingerprints of Memristor // IEEE Transactions on Circuits and Systems I: Regular Papers. 2013. V. 60. № 11. P. 3008–3021. DOI 10.1109/TCSI.2013.2256171.
  10. Ду Хаолун, Жалнин В.П. Анализ энергонезависимой логики на основе мемристора // Технологии инженерных и информационных систем. 2021. № 1. C. 72–84.
  11. Kim H., Sah M.P., Yang C., Roska T., Chua L.O. Neural Synaptic Weighting with a Pulse-Based Memristor Circuit // IEEE Transactions on Circuits and Systems I: Regular Papers. 2012. V. 59. № 1. P. 148–158. DOI 10.1109/TCSI.2011.2161360.
  12. Vlasov A.I., Zhalnin V.P., Rasuk A.A., Kosyanov O.V. Composite Nanomaterials for Implementation of Promising Memristive Structures // Key Engineering Materials. 2022. V. 910 KEM. P. 703–712. DOI 10.4028/p-72a77f.
  13. Sozen H., Cam U. A novel floating/grounded meminductor emulator // Journal of Circuits, Systems, and Computers. 2020. V. 29. № 15. P. 2050247. DOI 10.1142/S0218126620502473.
  14. Ду Хаолун Проектирование модели и моделирование мемристора // Сб. тезисов докладов 8-й Междунар. конф. «Энергосбережение и эффективность в технических системах». Тамбов. 2021. С. 34–35.
  15. Артемьев Б.В., Артемьев И.Б., Власов А.И., Жалнин В.П. Методы и средства автоматизированного контроля мемристивных структур // Контроль. Диагностика. 2021. Т. 24. № 7(277). С. 24–33. DOI 10.14489/td.2021.07.pp.024-033.
  16. Joglekar Y.N, Wolf S.J. The elusive memristor: properties of basic electrical circuits // European Journal of Physics. 2009. V. 30. № 4. P. 661–675. DOI 10.1088/0143-0807/30/4/001.
Дата поступления: 05.02.2024
Одобрена после рецензирования: 29.02.2024
Принята к публикации: 26.03.2024