Нейрокомпьютеры с использованием мемристоров

УДК 004.33

А. И. Галушкин, д-р техн наук, проф., нач. лаборатории, neurocomputer@yandex.ru, Центр информационных технологий и систем органов исполнительной власти

На пути к нейрокомпьютерам с использованием мемристоров

Обсуждаются зарубежные и российские разработки адаптивных элементов с аналоговой памятью 60-х и 70-х годов прошлого века и нейрокомпьютеров на их основе, послужившие предпосылкой развития теории нейронных сетей, нейроматематики и нейроуправления, которая является в настоящее время основой для построения современных и перспективных нейрокомпьютеров с применением мемристоров. Показано, что разработанные в 60-е годы прошлого века методы настройки многослойных нейронных сетей различной структуры с ограничениями на весовые коэффициенты типа равенств, неравенств и скоростей изменения вполне применимы для реализации алгоритмов настройки мно­гослойных нейронных сетей с применением мемристоров.
Ключевые слова: нанотехнология, мемристоры, нейрокомпьютеры, алгоритмы настройки, нейронные сети, производительность

A. I. Galushkin

Memristors in the Development of High-Performance Computing Systems

Memristor is the brainchild of the modern nanotechnology. The paper highlights the Russian and foreign engineering of adaptive analog memory elements in the 60th and 70th years of the last century and neuro-computers based on them. These works served as the basis for the development of the theory of neural networks, neuromathematics and neurocontrol at the time and in the following decades and from our point of view is now the basis for engineering of modern and advanced neural computers using memristors. It is given the main types of structures of neural networks using memristors. It is shown that developed in the 60s of last century adjustment methods of multilayer neural networks with different structures with restrictions on the weights of equality, inequality and rates of change are quite applicable for the implementation of multilayer neural networks adjustment algorithms using memristors.
Keywords: nanotechnology, memristors, neurocomputersm training algorithms, neural networks, performance

УДК 004.33.087.2; 004.383.8.032.26; 004.8.032.26; 539.219.3
Ю. В. Храповицкая, инженер-исследователь, И. С. Соколов, инженер-исследователь, sokolov.ivan.qed@gmail.com, Н. Е. Маслова, канд. физ.-мат. наук, науч. сотр., Ю. В. Грищенко, науч. сотр., М. Л. Занавескин, канд. физ.-мат. наук, нач. отдела, НБИКС-Центр НИЦ "Курчатовский институт"

Разработка мемристоров на основе оксида титана для использования в нейроморфной электронике

Рассмотрены основные направления развития нейроморфной электроники. Особое внимание уделено применению мемристоров в нейроморфных системах. Приведен обзор класса оксидных мемристоров, на основании которого для дальнейшей разработки был сделан выбор в пользу мемристоров на основе оксида титана. Обсуждаются изготовленные пробные образцы TiO₂/TiO_x-мемристоров, обладающие ключевой характеристикой — высокой устойчивостью к процессу циклического резистивного переключения.
Ключевые слова: нейроморфные системы, мемристор, энергонезависимая память, оксиды, оксид титана, платиновые контакты, золотые контакты

Yu. V. Khrapovitskaya, I. S. Sokolov, N. E. Maslova, Yu. V. Grishchenko, M. L. Zanaveskin

Development of Titanium Oxide Based Memristors for Application in Neuromorphic Electronics

In the present article the main directions of development of neuromorphic electronics was described. Particular attention was paid to the application of memristors in neuromorphic systems. A review of oxide memristors was conducted, based on which for further development the choice was made in favor of titanium oxide memristors. Trial samples of TiO₂/TiO_x memristors, having a key characteristic — high stability to cyclic resistive switching process, were made.
Keywords: neuromorphic systems, memristor, non volatile memory, oxides, titanium oxide, platinum contacts, golden contacts