1. На главную
  2. Электронные версии
  3. Российские нанотехнологии
  4. T. 18, № 6, 2023

Российские нанотехнологии, 2023, T. 18, № 6, стр. 817-822

Влияние разброса характеристик мемристоров на основе нанокомпозита (Co–Fe–B)x(LiNbO3)100–x на дофаминоподобную модуляцию синаптической пластичности

А. И. Ильясов 1, 2, *, А. А. Миннеханов 2, А. Ю. Вдовиченко 2, В. В. Рыльков 2, 3, В. А. Демин 2

1 Московский государственный университет им. М.В. Ломоносова
Москва, Россия

2 Национальный исследовательский центр “Курчатовский институт”
Москва, Россия

3 Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова РАН
Фрязино, Россия

* E-mail: sashailyasov99@gmail.com

Поступила в редакцию 20.04.2023
После доработки 26.05.2023
Принята к публикации 26.05.2023

Аннотация

Использование мемристоров в качестве модуляторов синаптических связей является многообещающим направлением развития нейроморфных вычислительных систем (НВС), в том числе тех, в которых используется обучение с подкреплением. Для реализации последнего могут быть использованы локальные биоподобные правила пластичности (STDP), зависящей от времени прихода импульсов с дофаминоподобной модуляцией. На примере массива мемристоров на основе нанокомпозита (Co–Fe–B)x(LiNbO3)100–x изучена возможность изменения проводимости мемристорных устройств по правилам STDP с дофаминоподобной модуляцией, а также оценены разбросы характеристик мемристоров массива от цикла к циклу (C2C) и от устройства к устройству (D2D). Установлено, что разброс D2D по сравнению с разбросом C2C имеет большее влияние на окно STDP, что необходимо учитывать при моделировании и создании НВС, способных к обучению с подкреплением, для решения сложных когнитивных задач.

Список литературы

  1. Zhang Y., Wang Z., Zhu J. et al. // Appl. Phys. Rev. 2020. V. 7. № 1. P. 011308. https://doi.org/10.1063/1.5124027

  2. Berggren K., Xia Q., Likharev K.K. et al. // Nanotechnology. 2021. V. 32. № 1. P. 012002. https://doi.org/10.1088/1361-6528/aba70f

  3. Zhu J., Zhang T., Yang Y., Huang R. // Appl. Phys. Rev. 2020. V. 7. № 1. P. 011312. https://doi.org/10.1063/1.5118217

  4. Jeong D.S., Kim K.M., Kim S. et al. // Adv. Electron. Mater. 2016. V. 2. № 9. P. 1600090. https://doi.org/10.1002/aelm.201600090

  5. Ielmini D. // Microelectron. Eng. 2018. V. 190. P. 44. https://doi.org/10.1016/j.mee.2018.01.009

  6. Saïghi S., Mayr C.G., Serrano-Gotarredona T. et al. // Front. Neurosci. 2015. V. 9. P. 51. https://doi.org/10.3389/fnins.2015.00051

  7. Li C., Wang Z., Rao M. et al. // Nat. Mach. Intell. 2019. V. 1. № 1. P. 49. https://doi.org/10.1038/s42256-018-0001-4

  8. Ji X., Pang K.Y., Zhao R. // Nanoscale. Royal Society of Chemistry. 2019. V. 11. № 46. P. 22446. https://doi.org/10.1039/c9nr04455h

  9. Prezioso M., Mahmoodi M.R., Bayat F.M. et al. // Nat. Commun. 2018. V. 9. № 1. P. 5311. https://doi.org/10.1038/s41467-018-07757-y

  10. Shvetsov B.S., Emelyanov A.V., Minnekhanov A.A. et al. // Nanotechnologies in Russia. 2019. V. 14. № 1–2. P. 1. https://doi.org/10.1134/S1995078019010105

  11. Demin V.A., Nekhaev D.V., Surazhevsky I.A. et al. // Neural Networks. 2021. V. 134. P. 64. https://doi.org/10.1016/j.neunet.2020.11.005

  12. Pedretti G., Milo V., Ambrogio S. et al. // Sci. Rep. 2017. V. 7. № 1. P. 5288. https://doi.org/10.1038/s41598-017-05480-0

  13. Matsukatova A.N., Emelyanov A.V., Kulagin V.A. et al. // Org. Electron. 2022. V. 102. P. 106455. https://doi.org/10.1016/j.orgel.2022.106455

  14. Surazhevsky I.A., Minnekhanov A.A., Demin V.A. // Nanobiotechnology Reports. 2021. V. 16. № 2. P. 253. https://doi.org/10.1134/s2635167621020154

  15. Matsukatova A.N., Prudnikov N.V., Kulagin V.A. et al. // Adv. Intell. Syst. 2023. P. 2200407. https://doi.org/10.1002/aisy.202200407

  16. Matsukatova A.N., Iliasov A.I., Nikiruy K.E. et al. // Nanomaterials. 2022. V. 12. № 19. P. 3455. https://doi.org/10.3390/nano12193455

  17. Shvetsov B.S., Minnekhanov A.A., Emelyanov A.V. et al. // Nanotechnology. 2022. V. 33. № 25. P. 255201. https://doi.org/10.1088/1361-6528/ac5cfe

  18. Sutton R.S., Barto A.G. Reinforcement Learning: An Introduction. Cambridge: MIT Press, 1998.

  19. Mnih V., Kavukcuoglu K., Silver D. et al. // NIPS Deep Learn. Work. 2013. 2013. P. 1.

  20. Wang Z., Li C., Song W. et al. // Nat. Electron. 2019. V. 2. № 3. P. 115. https://doi.org/10.1038/s41928-019-0221-6

  21. Bellman R. // Proc. Natl. Acad. Sci. 1956. V. 42. № 10. P. 767. https://doi.org/10.1073/pnas.42.10.767

  22. Neftci E.O., Averbeck B.B. // Nat. Mach. Intell. 2019. V. 1. № 3. P. 133. https://doi.org/10.1038/s42256-019-0025-4

  23. Schultz W. // Annu. Rev. Neurosci. 2007. V. 30. P. 259. https://doi.org/10.1146/annurev.neuro.28.061604.135722

  24. Gurney K.N., Humphries M.D., Redgrave P. // PLoS Biol. 2015. V. 13. № 1. P. e1002034. https://doi.org/10.1371/journal.pbio.1002034

  25. Zhang J.C., Lau P.M., Bi G.Q. // Proc. Natl. Acad. Sci. U. S. A. 2009. V. 106. № 31. P. 13028. https://doi.org/10.1073/pnas.0900546106

  26. Minnekhanov A.A., Shvetsov B.S., Emelyanov A.V. et al. // J. Phys. D. 2021. V. 54. № 48. https://doi.org/10.1088/1361-6463/ac203c

  27. Nikiruy K.E., Emelyanov A.V., Demin V.A. et al. // AIP Adv. 2019. V. 9. № 6. P. 065116. https://doi.org/10.1063/1.5111083

  28. Martyshov M.N., Emelyanov A.V., Demin V.A. et al. // Phys. Rev. Appl. 2020. V. 14. № 3. P. 1. https://doi.org/10.1103/PhysRevApplied.14.034016

  29. Il’yasov A.I., Emel’yanov A.V., Nikirui K.E. et al. // Tech. Phys. Lett. 2021. V. 47. № 9. P. 656. https://doi.org/10.1134/S1063785021070075

  30. Nikiruy K.E., Surazhevsky I.A., Demin V.A., Emelya-nov A.V. // Phys. Status Solidi Appl. Mater. Sci. 2020. V. 217. № 18. P. 1. https://doi.org/10.1002/pssa.201900938

  31. Foncelle A., Mendes A., Jędrzejewska-Szmek J. et al. // Front. Comput. Neurosci. 2018. V. 12. P. 1. https://doi.org/10.3389/fncom.2018.00049

  32. Schultz W. // J. Neurophysiol. 1998. V. 80. № 1. P. 1. https://doi.org/10.1152/jn.1998.80.1.1

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска предыдущая статья выпуска содержание выпуска

Российские нанотехнологии

Архивы выпусков Информация о журнале Отправить рукопись в журнал