Исследование мемристорного эффекта в кроссбар-архитектуре для нейроморфных систем искусственного интеллекта

Полякова В. В.

doi:10.31857/S0544126924010069

Главная>Номер выпуска 1>Исследование мемристорного эффекта в кроссбар-архитектуре для нейроморфных систем искусственного интеллекта

Исследование мемристорного эффекта в кроссбар-архитектуре для нейроморфных систем искусственного интеллекта

Оглавление

Аннотация Оценить Содержание публикации

Библиография Комментарии

Аннотация

Код статьи

S0544126924010069-1

Тип публикации

Статья

Статус публикации

Опубликовано

Авторы

Полякова В. В. Связаться с автором

Аффилиация: Южный федеральный университет

Выпуск

Том 53 Номер выпуска 1

Страницы

58-63

Аннотация

В данной статье представлены результаты экспериментальных исследований структур, сформированных на основе кроссбар-архитектуры мемристорных структур из различных материалов. В качестве рабочего мемристорного слоя был использован TiO₂. В качестве материала для контактных площадок были использованы: Al, Ni, Cr, Mo, Ta, Ag. В ходе проведения экспериментальных исследований было выявлено оптимальное сочетание материалов для формирования кроссбар мемристорных структур, которые в дальнейшем могут быть использованы в устройствах нейроморфных систем искусственного интеллекта.

Ключевые слова

мемристор кроссбар-архитектура нейроморфные системы магнетронное напыление атомно-силовая микроскопия

Источник финансирования

Данная работа выполнена в рамках проекта “Разработка и исследование методов и средств мониторинга, диагностики и прогнозирования состояния инженерных объектов на основе искусственного интеллекта” (задание № FENW-2020-0022). Магнетронное распыление проводилось за счет гранта российского научного фонда № 23-29-00827, https://rfcf.ru/project/23-29-00827/ в Южном федеральном университете

Классификатор

Получено

16.07.2024

Всего подписок

Всего просмотров

Оценка читателей

0.0 (0 голосов)

Цитировать Скачать pdf

ГОСТ	Полякова В. Исследование мемристорного эффекта в кроссбар-архитектуре для нейроморфных систем искусственного интеллекта // Микроэлектроника. – 2024. – T. 53. – Номер выпуска 1 C. 58-63 . URL: https://microelectronicsras.ru/s0544126924010069-1/?version_id=105545. DOI: 10.31857/S0544126924010069
MLA	Polyakova, V. V "Research of Memristor Effect in Crossbar Architecture for Neuromorphic Artificial Intelligence Systems." Russian Microelectronics. 53.1 (2024).:58-63. DOI: 10.31857/S0544126924010069
APA	Polyakova V. (2024). Research of Memristor Effect in Crossbar Architecture for Neuromorphic Artificial Intelligence Systems. Russian Microelectronics. vol. 53, no. 1, pp.58-63 DOI: 10.31857/S0544126924010069

Библиография

1. Пройдаков Э.М. Современное состояние исследований в области искусственного интеллекта // Цифровая экономика. 2018. Т. 3. № 3. С. 50–62.

2. Гафаров Ф.М. Искусственные нейронные сети и приложения. Казань: Казань, 2018.

3. Zidan M.A., Strachan J.P., Lu W.D. The future of electronics based on memristive systems // Nat. Electron. 2018. V. 1. P. 22.

4. Kozhukhov A.S., Scheglov D.V., Fedina L.I., Latyshev A.V. The initial stages of atomic force microscope based local anodic oxidation of silicon AIP Advances 8, 025113 (2018). https://doi.org/10.1063/1.5007914

5. Colangelo F., Piazza V., Coletti С., Roddaro S., Beltram F., Pingue P. Local anodic oxidation on hydrogen-intercalated graphene layers: oxide composition analysis and role of the silicon carbide substrate. 2 May 2018. https://doi.org/10.1088/1361-6528/aa59c7.

6. Polyakova V.V., Saenko A.V. Local Anodic Oxidation for Crossbar-Array Architecture Technical Physics. 2022. V. 92. No. 8. Р. 1159–1165.

7. Розанов Р.Ю., Кондрашов В.А., Неволин В.К., Чаплыгин Ю.А. Разработка и исследование мемристоров на основе металлических пленок наноразмерной толщины // Наноинженерия. 2014. № 2. С. 22–28.

8. Choi B.J., Torrezan A.C., Norris K.J., Miao F. Electrical Performance and Scalability of Pt Dispersed SiO2 Nanometallic Resistance Switch // Nano Lett. 2013. № 13 (7). Р. 3213–3217.

Библиография

Комментарии

Войти через