ГлавнаяАрхивПостроение сети Хемминга на основе кроссбара с бинарными мемристорами

Построение сети Хемминга на основе кроссбара с бинарными мемристорами | Прикладная дискретная математика. 2018. № 40. DOI: 10.17223/20710410/40/9

Описаны свойства аналоговых и бинарных мемристоров (резисторов с памятью), которые могут быть использованы для аппаратной реализации синапсов нейронов, а также мемристорные матрицы, называемые кроссбарами. Бинарные мемри-сторы, сопротивление которых принимает только два значения (максимальное и минимальное), основаны на механизме переключения филамента и распространены более широко, чем аналоговые мемристоры. Они гораздо более устойчивы к статистическим флуктуациям по сравнению с аналоговыми. Предложена аппаратная реализация ассоциативной памяти Хемминга на основе использования кроссбара на бинарных мемристорах и КМОП-схемотехники. Максимальное сопротивление бинарного мемристора соответствует значению -1 компоненты хранимого эталонного вектора, а минимальное - значению +1. Показано, что кросс-бар на бинарных мемристорах реализует свойства первого слоя сети Хемминга, согласно которым выходной сигнал нейрона первого слоя неотрицателен. При этом он максимален для нейрона, эталонный вектор которого наиболее близок к вектору входных данных. Для заданной размерности эталонного вектора получено соотношение между максимальным и минимальным сопротивлениями бинарных мемристоров, которое гарантирует корректную работу первого слоя сети Хемминга. Моделирование в системе LTSPICE предложенной схемы памяти Хемминга подтвердило её работоспособность.
  • Title Построение сети Хемминга на основе кроссбара с бинарными мемристорами
  • Headline Построение сети Хемминга на основе кроссбара с бинарными мемристорами
  • Publesher Tomask State UniversityTomsk State University
  • Issue Прикладная дискретная математика 40
  • Date:
  • DOI 10.17223/20710410/40/9
Ключевые слова
ассоциативная память Хемминга, мемристор, кроссбар, КМОП-технология, LTSPICE, associative Hamming memory, memristor, crossbar, CMOS-technology, LTSPICE
Авторы
Ссылки
Strukov D. В., Snider G.S., Stewart D.R., and Williams R.S. The missing memristor found // Nature. 2008. V.453. P. 80-83.
http://www.utmn.ru/presse/teleradiokanal-evrazion/videonovosti-tyumgu/89986/
Chua L. Memristor - the missing circuit element // IEEE Trans. Circuit Theory. 1971. V. 18. P. 507-519.
Pershin Y. and Bi Ventra M. Experimental demonstration of associative memory with memristive neural networks // Neural Networks. 2010. V. 23. No. 7. P. 881-886.
Chua L. Resistance switching memories are memristors // Appl. Phys. A: Mater. Sci. & Process. 2011. V. 102. No. 4. P. 765-783.
Ho Y., Huang С. M., and Li P. Nonvolatile memristor memory: device characteristics and design applications // Proc. Int. Conf. ICCAD. 2009. P. 485-490.
Jo S. H., Chang Т., Ebong I., et al. Nanoscale memristor device as synapse in neuromorphic systems j j Nanoletters. 2010. V. 10. No. 4. P. 1297-1301.
Kavehei O. Memristive Devices and Circuits for Computing, Memory, and Neuromorphic Applications. PhD Thesis. The University of Adelaida, Australia, 2011.
Lehtonen E. Memristive Computing. Doctoral Thesis. University of Turku, Finland, 2012.
Lu W., Kim K.-H., Chang Т., and Gaba S. Two-terminal resistive switches (memristors) for memory and logic applications // Proc. 16th Asia and South Pacific Design Automation Conf., Yokohama, Japan, 2011.
Truong S.N., Ham S.-J., and Min K.-S. Neuromorphic crossbar circuit with nanoscale filamentary-switching binary memristors for speech recognition // Nanoscale Res. Lett. 2014. No. 9:629. http://www.nanoscalereslett.com/content/9/1/629
Yakopcic C., Taha Т. M., Subramanyam G., and Pino R. E. Memristor SPICE model and crossbar simulation based on devices with nanosecond switching time // Proc. Int. Joint Conf. Neural Networks. Dallas, Texas, USA. August 4-9, 2013.
Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.
Zhu X., Yang X., Wu С., et al. Hamming network circuits based on CMOS/memristor hybrid design // IEICE Electronics Express. 2013. V. 10. No. 12. P. 1-9.
Lazzaro J., Ryckebusch S., Mahowald M. A., and Mead C. A. Winner-take-all networks of О (n) complexity j j Advances in Neural Information Processing Systems. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 1989. P. 703-711.
Володин В. Я. Компьютерное моделирование электронных схем. СПб.: БХВ-Петербург, 2010. 400с.
Построение сети Хемминга на основе кроссбара с бинарными мемристорами | Прикладная дискретная математика. 2018. № 40. DOI: 10.17223/20710410/40/9
Построение сети Хемминга на основе кроссбара с бинарными мемристорами | Прикладная дискретная математика. 2018. № 40. DOI: 10.17223/20710410/40/9