Компактная поведенческая модель нанокомпозитного мемристора

И. Суражевский; Суражевский И. А.; В. Рыльков; Рыльков В. В.; В. Демин; Демин В. А.

doi:10.31857/S0033849423100170

Компактная поведенческая модель нанокомпозитного мемристора

Authors: Суражевский И.¹, Рыльков В.¹^,2, Демин В.¹
Affiliations:
1. Национальный исследовательский центр “Курчатовский институт”
2. Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова РАН
Issue: Vol 68, No 11 (2023)
Pages: 1140-1146
Section: НОВЫЕ РАДИОЭЛЕКТРОННЫЕ СИСТЕМЫ И ЭЛЕМЕНТЫ
URL: https://consilium.orscience.ru/0033-8494/article/view/650747
DOI: https://doi.org/10.31857/S0033849423100170
EDN: https://elibrary.ru/DNNGTF
ID: 650747

Cite item

Full Text

Open Access
Restricted Access

Access granted
Restricted Access

Subscription Access

Abstract
About the authors
References
Supplementary files
Statistics

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.

References

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