книги / Физические основы нанотехнологий фотоники и оптоинформатики
..pdf
слоя увеличивается, а нелегированного слоя уменьшается. Приложение обратного напряжения приводит к обратному эффекту. Данную реализацию мемристора следует отнести к классу наноионных устройств.
Математическая модель
Рассмотрим схему с двумя последовательно соединенными резисторами, значения сопротивления которых соответствуют двум указанным слоям окисла титана (рис. 9.18).
Рис. 9.18. Модельмемристора, схемасдвумяпоследовательносоединенными слоямиоксидатитана TiO2 x ( – кислородныевакансии) и TiO2 (черныйцвет). Двеузкиечерныеполоскипобокам– электроды[8]
Пусть w (t) – зависящая от времени толщина легированного слоя; D – суммарная толщина двух слоев; Ron – сопротивление полностью
заполненной легированной пленки между электродами D = w; Roff –
сопротивление полной нелегированной пленки w = 0. Полное нелинейное сопротивление М (мемристивность) имеет вид
M t |
w t |
R |
|
1 |
|
w t |
R , |
(9.3) |
|
|
|
||||||||
|
D |
on |
|
|
|
D |
|
off |
|
|
|
|
|
|
|
|
|
||
где скорость движения границы между слоями определяется скоростью дрейфа E вакансий с подвижностью в электрическом поле
с напряженностью Е. Учитывая, что E UD IRD , получаем
dw |
|
Ron I t . |
(9.4) |
dt |
|
D |
|
Рассмотренный процесс резистивного переключения, который характерен для оксидов переходных металлов, называется механизмом
221
изменения валентности или механизмом окисления-восстановления. Сопротивление такой структуры обратно пропорционально ее площади.
Существуют структуры (окись никеля NiO), сопротивление которых не зависит от площади. Переключение в них происходит путем образования нитеобразных каналов. Это филаментарный механизм резистивного переключения. Состояния с низким сопротивлением объясняются наличием проводящих филаментов (нитей) с высокой плотностью кислородных вакансий, а мемристорный эффект связан с изменением приграничной структуры этих филаментов. Происходит процесс обратного анодного окисления части филамента, которая находится вблизи металлического платинового электрода. Положительный нарастающий потенциал, приложенный к этому электроду, активирует дрейф вакансий кислорода от анода в глубь материала.
Характеристики мемристора
Важной характеристикой мемристора является вольт-амперная характеристика, т.е. зависимость тока от напряжения в виде гистерезиса при биполярном сигнале возбужденния. Эта приближенная модель предполагает, что вакансии могут полностью вытесняться из легированного слоя. Легированная область не может распространяться на всю толщину устройства.
Вводится вырезающая функция («окно»), которая запрещает параметру w принимать нефизические значения вне интервала 0 < w < D. Тогда уравнение (9.4) принимает вид
dw |
f w Ron I t , |
(9.5) |
dt |
D |
|
где f w являетсяфункциейввидеперевернутойисмещеннойпараболы,
f w |
|
w |
|
w |
||
4 |
|
1 |
|
|
. |
|
|
|
|||||
|
|
D |
|
D |
||
Она максимальна, когда |
граница |
лежит в центре устройства |
||||
w = D/2 и спадает до нуля на электродах w = 0 и w = D, где скорость границы падает до нуля.
Из формулы (9.2) выражение для тока через мемристор с теку-
щим сопротивлением M t Rm t |
|
||
I t |
U t |
. |
(9.6) |
|
|||
|
Rm t |
|
|
222
Из формулы (9.3) получаем
Rm t Roff |
w t |
(Ron Roff ) . |
(9.7) |
|
D |
||||
|
|
|
Продифференцируем формулу (9.7) по времени и получим производную, в которую подставим формулу (9.5) и затем формулу (9.6):
dRm |
|
Rd dw |
f w |
Ron |
I t f w |
Ron U t |
|
|||
dt |
|
|
D |
D |
|
. |
(9.8) |
|||
D |
dt |
Rm t |
||||||||
Введем коэффициент полярности 1 приложенного к мемри-
стору напряжения в формулу (9.8).
Запишем уравнение для квадрата текущего сопротивления мемристора:
|
dR2 |
(9.9) |
|
m 2 kRdU t . |
|
|
dt |
|
Окончательно решение уравнения (9.9) следующее: |
||
|
Rm2 t Rm2 0 2 kRd t , |
|
где t |
– эффективный магнитный поток, t t |
U t dt . |
|
0 |
|
Пример 9.1. Типичный набор параметров для мемристора.
R 100 Oм, R |
16 |
кОм, подвижность |
|
10 14 |
м2 |
/В с, D 10 нм. |
|
on |
off |
|
|
|
|
U t vt , 1 |
|
1. Для |
линейно |
нарастающего напряжения |
|||||
(рис. 9.19) |
|
|
|
|
|
|
|
Rm2 t Rm2 0 2 kRd t2 .
2. Для переменнoго напряжения U t U0 sin t получаем
Rm2 t [Rm2 0 2 kRdU0 ] cos cos t .
Возникающие в этом режиме петли гистерезиса показаны на рис. 9.20. С ростом частоты площадь внутри петель падает и при высокой частоте гистерезис исчезает. Граница между слоями не успевает сдвигаться вслед за переменным внешним напряжением.
223
Рис. 9.19. Откликмемристора |
Рис. 9.20. Вольт-ампернаяхарактеристика |
налинейноенапряжениеприразличных |
мемристорасначальнымсопротивлением |
начальныхсопротивлениях[8] |
около500 Омприпеременном |
|
напряженииразличнойчастоты[8] |
В различных реализациях мемристоров используются также полимеры с ионной проводимостью, ферроэлектрики, туннельные диоды, окислы графена и кремния. Наблюдающееся в мемристоре явление гистерезиса позволяет использовать его в качестве энергонезависимых ячеек и нейроморфных систем.
Теоретически мемристорные запоминающие элементы могут быть более плотными и быстрыми, чем современная флеш-память. Также блоки из них могут заменить ОЗУ. Умение мемристоров «запоминать» заряд позволит впоследствии отказаться от загрузки системы компьютера: в памяти компьютера, отключенного от питания, будет храниться его последнее состояние. При поддержке со стороны программного обеспечения компьютер можно будет включить и начать работу с того места, на котором она была остановлена при выключении.
Рассматривается возможность применения мемристоров в качестве искусственных синапсов (весовых модулей) нейропроцессоров и искусственных нейросетей. Поведение мемристора напоминает работу биологического синапса: чем интенсивнее входной сигнал, тем выше пропускная способность синапса («вес» сигнала). Данное решение позволит сильно упростить конструкцию нейропроцессора и его стоимость, так как хорошо воспроизводится на уже имеющихся технологических линиях по производству микрочипов. На рис. 9.21 показано 17 мемристоров под атомным микроскопом.
Мемристор с шестью состояниями показан на рис. 9.22.
224
Рис. 9.21. Семнадцатьмемристоров |
Рис. 9.22. Мемристорсшестью |
податомныммикроскопом[11] |
состояниями. Изображение |
|
отТринити-колледжа |
Мемристор может быть использован для более компактной энергонезависимой памяти, новых универсальных логических вентилей и нейроподобных компьютеров, а также для памяти с десятичной системой счисления.
Флеш-память и динамическая RAM храня бит в виде электрического заряда, как мемристоры (или RRAM – резистивная RAM) хранят данные как сопротивление. Мемристор «запоминает» уровень протекшего через него тока, изменяя свое внутреннее сопротивление. Если ток протекает в другом направлении, сопротивление уменьшается.
Мемристор от Тринити-колледжа работает как диод: уровни сопротивления можно контролировать только при протекании тока в одном направлении. Эффект диода реализуется на этапе постпроизводства с помощью так называемого электроформинга. Мемристор состоит из полупроводящего нановолокна из диоксида титана, которое расположено между двумя металлическими электродами. После создания мемристора его подвергают длительному воздействию напряжения 10 В, которое увеличивает популяцию носителей заряда возле интерфейса с катодом, создавая диодный переход (рис. 9.23).
Новый мемристор не только проводит ток лишь в одном направлении, но и хранит биты иначе. В обычном мемристоре для хранения двух разных уровней сопротивления нужны два разных уровня напряжения. В этом устройстве вы применяете напряжение 7,5 В и переходите на один уровень сопротивления выше, применяете 7,5 В еще раз и переходите на следующий уровень. Можно остановиться на любом из уровней, который сохраняется, а позднее применить еще один им-
225
пульс, чтобы перейти на следующий уровень, или сбросить устройство с помощью единственного отрицательного импульса в 7,5 В. Этот мемристор является диодом, поэтому можете сбросить ячейку памяти без протекания тока, что с обычным мемристором невозможно.
Рис. 9.23. Однонаправленная память: нановолокно из оксида титана работает и как диод, и как мемристор. Изображение от Тринити-колледжа
Эффект памяти можно объяснить физическим изменением, которое имеет место в нановолокне у интерфейса с электродом. Если применить положительное напряжение к одному из контактов, то создаются кислородные вакансии. Удаление кислорода из кристаллической решетки волокна облегчает перемещение электронов в металл. Отрицательный импульс в 7,5 В инъецирует электроны из золотого электрода в нановолокно, уничтожая кислородные вакансии у интерфейса и уменьшая проводимость нановолокна.
9.5.2. Проект инновационного биоморфного нейропроцессора, созданный российскими учеными6
Исследовательская группа Тюменского государственного университета предложила концепцию биоморфного нейропроцессора, который может имитировать информационные процессы вплоть до работы колонки кортекса в коре головного мозга человека.
Нейропроцессор – класс микропроцессоров для аппаратного ускорения работы алгоритмов искусственных нейронных сетей, ком-
6 https://ria.ru/science/20180919/1528827563.html.
226
пьютерного зрения, машинного обучения и других методов искусственного интеллекта.
Под биоморфным нейропроцессором ученые ТюмГУ подразумевают автономное аппаратное средство, которое сможет решать нейросетевые задачи. Его построят на основе биоморфной электрической модели нейрона Ходжкина – Хаксли. Схема такого нейропроцессора предполагает входное и выходное устройства для обработки сигналов, запоминающую матрицу, блок нейронов и маршрутизатор на основе логической матрицы (рис. 9.24). Представлены электрические схемы, топология, нанотехнология изготовления и принципы работы основных узлов нейропроцессора – сверхбольших 3Dзапоминающей и логической матриц.
Рис. 9.24. ЭлементнаябазабиоморфногонейропроцессораТюмГУ
(https://ria.ru/science/20180919/1528827563.html)
Запоминающая матрица – это 3D-структура из одинаковых (и зеркально ориентированных по отношению друг к другу) комбинированных мемристорно-диодных кроссбаров. Помимо запоминания информации, она выполняет часть процессинга для нейросети, суммируя входные сигналы.
227
Логическая матрица выполняет собственно логические функции, маршрутизацию сигналов, а также обработку видео- и звуковых сигналов во входном устройстве нейропроцессора. Ее 3D-структура – одинаковые перпендикулярные пласты, коммутируемые через мемристорные кроссбары с селективными диодами. Ученые ТюмГУ продемонстрировали концепцию биоморфного нейропроцессора в октябре 2018 г. на международном семинаре MEM-Q в Греции.
В России будут создавать свой нейропроцессор. В отраслевом союзе «Нейронет» объединили усилия четырех компаний, входящих в систему Национальной технологической инициативы (НТИ). Созданный консорциум займется разработкой национального нейропроцессора, способного не только конкурировать с западными образцами, но и стать стопроцентно отечественным, «доверенным», т.е. гарантированно свободным от недокументированных возможностей и аппаратных «закладок». Последнее особенно важно для заказчиков из российского ВПК, где нейронные сети тоже получают широкое распространение – в системах управления боевыми беспилотниками, планировании военных операций, аппаратуре высокоточного наведения стрелкового оружия.
Сейчас работа идет в двух направлениях: во-первых, разработка серверного чипа для мощных серверов в дата-центрах; во-вторых, создание экономичного встраиваемого нейропроцессора для установки на всевозможных «умных» устройствах: смартфонах, роботах, дронах, беспилотных автомобилях.
Разработка отечественной аппаратуры, ускоряющей обсчет нейросетей, – важнейший необходимый проект при существующей конъюнктуре мирового рынка. Соединение универсальных процессорных ядер со специализированными блоками, выполняющими вычисления по нейросетевым алгоритмам с высокой эффективностью, – актуальная современная тенденция. Чтобы такую систему можно было считать доверенной, и ядро, и нейросетевой акселератор должны быть разработаны в России. Кроме микросхемы нейропроцессора, необходимо создать еще и обслуживающую ее программную среду: операционную систему, средства разработки, библиотеки нейросетевых алгоритмов, среду обучения нейросетей. Только тогда можно будет говорить о существовании полноценной отечественной аппаратно-програм- мной нейросетевой платформы.
228
Рис. 9.25. Нейроморфный процессор «Алтай»
Новосибирские разработчики из компании «Мотив» и «Лаборатория Касперского» в 2019 г. разработали первый российский процессор нейроморфного типа (НП), присвоив проекту название «Алтай» (рис. 9.25, 9.26). Суть разработки сводится к максимальному ускорению функционирования систем искусственного интеллекта, в основу процессорной архитектуры легли базовые принципы работы человеческого мозга. Проект способен имитировать работу миллионов нейронов с отростками – дендритами и аксонами, отвечающими за восприятие и передачу информации. Цифровые аналоги нейронных соединений – синапсы, представляют собой специальные контакты, передающие электрические сигналы по типу нервных импульсов.
Рис. 9.26. Характеристики нейроморфного процессора «Алтай»
229
Нейроморфные процессоры, в отличие от классических, не будут обращаться к регистрам для извлечения данных, поскольку вся необходимая информация уже хранится в искусственных нейронах. В планах ученых применять нейрочипы новейшего образца в ИИ-технологиях распознавания речи и технической зрительной функции, в интернете вещей, для создания беспилотных летательных аппаратов, роботизированных машин и прочих разработках будущего. Кроме того, проект считается очень перспективным, поскольку уже сегодня его авторы представили полноценный прототип «Алтая», способный работать с изображениями разных стандартов, который во время тестирования продемонстрировал суперточность, достойную лучших мировых результатов. По данным информационного издания «Наука в Сибири», прототип имеет рекордно низкое энергопотребление – не более 0,5 Вт – при размере кристалла, составляющем 8×8 мм. Производительность процессорадостигает2200 кадров за секунду в процессе применения при обработке изображений. При помощи специального внешнего устройства российский нейрочип обучается непосредственно во время работы, в значительной мере ускоряя работусистемы, вкоторуюонинтегрирован(рис. 9.27).
Рис.9.27. Представлена часть материнской платы 16 нейрочипов1.
9.5.3. Нейронный процессор TrueNorth Neurosynaptic System
(американская нейросинапсическая система «Истинный Север»)
Еще в 2014 г. компания IBM представила чип нового типа, который предназначен для реализации нейронных сетей. Чип содержал 1 млн нейронов и 256 млн синапсов, что похоже на архитектуру
1 По материалам https://serty.ru/info/news/industry/rossiyskie-inzhenery-razrabatyvayut-pervyy- neyromorfnyy-protsessor/ Copyright © serty.ru
230