Компактная поведенческая модель нанокомпозитного мемристора

Cover Page

Cite item

Full Text

Abstract

Предложена компактная поведенческая модель нанокомпозитного мемристора (Co40Fe40B20)x(LiNbO3)100 – x, которая количественно описывает динамику изменения проводимости лабораторных образцов, а также реализует механизмы конечного времени хранения резистивных состояний, разбросов по напряжениям переключения от цикла к циклу и от устройства к устройству. Показана возможность реализации импульсной нейронной сети с синаптическими мемристорными связями на основе данной модели.

About the authors

Национальный исследовательский центр “Курчатовский институт”

Author for correspondence.
Email: isurazhevsky@yandex.ru
Российская Федерация, 123182, Москва, пл. Академика Курчатова, 1

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

Email: isurazhevsky@yandex.ru
Российская Федерация, 123182, Москва, пл. Академика Курчатова, 1; Российская Федерация, 141190, Московской области, Фрязино, пл. Введенского, 1

Национальный исследовательский центр “Курчатовский институт”

Email: isurazhevsky@yandex.ru
Российская Федерация, 123182, Москва, пл. Академика Курчатова, 1

References

  1. Gasseling T. // Microw. J. 2012. V. 55. P. 74.
  2. Денисенко В.В. // Электроника: Наука, технология, бизнес. 2004. № 5. C. 76.
  3. Chauhan Y.S., Venugopalan S., Karim M.A. et al. // 2012 Proc. Europ. Solid-State Circuits Conf. Bordeux. 12‒17 Sept. N.Y.: IEEE, 2012. P. 30. https://doi.org/10.1109/ESSCIRC.2012.6341249
  4. Łuszczek M., Turzynski M., Swisulski D. // Int. J. Electron. Telecommun. 2020. V. 66. № 4. P. 753.
  5. Hennessy J.L., Patterson D.A. Computer Architecture: A Quantitative Approach. 7th ed. Cambridge MA: Morgan Kaufmann Publ., 2019.
  6. Simonyan K., Zisserman A. // 3rd Int. Conf. Learn. Represent. ICLR San Diego 7–9 May 2015 – Conf. Track Proc. 2015. P. 1.
  7. He K., Zhang X., Ren S., Sun J. // 2016 IEEE Conf. Computer Vision and Pattern Recognition (CVPR). Las Vegas. 27–30 Jun. N.Y.: IEEE, 2016. P. 770.
  8. Brown T.B., Kaplan J., Ryder N. et al. // arXiv: 2005.14165. 2020. https://doi.org/10.48550/arXiv.2005.14165
  9. Yao P., Wu H., Gao B. et al.// Nature. 2020. V. 577. № 7792. P. 641.
  10. Hu M., Graves C.E., Li C. et al. // Adv. Mater. 2018. V. 30. № 9. Article No. 1705914.
  11. Wan W., Kubendran R., Schaefer C. et al. // Nature. 2022. V. 608. № 7923. P. 504.
  12. Kvatinsky S., Friedman E.G., Kolodny A., Weiser U.C. // IEEE Trans. 2013. V. TCAS-I-60. № 1. P. 211.
  13. Kvatinsky S., Ramadan M., Friedman E.G., Kolodny A. // IEEE Trans. 2015. V. TCAS-II-62. № 8. P. 786.
  14. Abunahla H., Mohammad B. Memristor Technology: Synthesis and Modeling for Sensing and Security Applications. Cham: Springer, 2018. P. 93.
  15. Теплов Г.С., Горнев Е.С. // Микроэлектроника. 2019. Т. 48. № 3. С. 163.
  16. Мацукатова А.Н., Никируй К.Э., Миннеханов А.А. и др. // РЭ. 2020. Т. 65. № 10. C. 1008.
  17. Никируй К.Э., Ильясов А.И., Емельянов А.В. и др. // ФТТ. 2020. Т. 62. № 9. C. 1562.
  18. Demin V.A., Surazhevsky I.A., Emelyanov A.V. et al. // J. Comput. Electron. 2020. V. 19. № 2. P. 565.
  19. Surazhevsky I.A., Demin V.A., Ilyasov A.I. et al. // Chaos, Solitons and Fractals. 2021. V. 146. Article No. 110890.
  20. Surazhevsky I.A., Nikiruy K.E., Emelyanov A.V. et al. // Nanoindustry Russ. 2022. V. 15. P. 470.
  21. Davies M., Srinivasa N., Lin T.H. et al. // IEEE Micro. 2018. V. 38. № 1. P. 82.
  22. Sboev A., Serenko A., Rybka R., Vlasov D. // Math. Methods Appl. Sci. 2020. V. 43. № 13. P. 7802.
  23. Demin V.A., Nekhaev D.V., Surazhevsky I.A. et al. // Neural Networks. 2021. V. 134. P. 64.
  24. Demin V., Nekhaev D. // Frontiers in Neuroinformatics. 2018. V. 12. Article No. 79.

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (65KB)
3.

Download (187KB)
4.

Download (214KB)
5.

Download (368KB)

Copyright (c) 2023 И.А. Суражевский, В.В. Рыльков, В.А. Демин

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).