Найти

Результаты поиска

• ИССЛЕДОВАНИЕ СИНАПТИЧЕСКОЙ ПЛАСТИЧНОСТИ МЕМРИСТИВНЫХ CROSS-POINT СТРУКТУР ДЛЯ НЕЙРОМОРФНЫХ РОБОТОТЕХНИЧЕСКИХ СИСТЕМ

  Р.В. Томинов , З. Е. Вакулов , В.И. Варганов , И.О. Игнатьева , В. А. Смирнов

  200-207

  2025-12-30

  Аннотация ▼

  Показаны результаты многоуровневого резистивного переключения и синаптической пластичности нейроноподобного мемристивного cross-point на основе нанокристаллической пленки оксида цинка. Показано, что при изменении амплитуды и длительности входных импульсов мемристивный cross-point демонстрирует 6 резистивных состояний с сопротивлением от 4,27×10⁵ Ом до 8,34×10⁷ Ом. Показано, что энергия переключения некоторых синаптических уровней составляет единицы пикоджоулей, что перспективно для создания компактных маломощных нейроморфных систем. Так, показано, что нанокристаллические пленки ZnO обладают синаптической пластичностью, т.е. при приложении импульсов напряжения различной амплитуды и длительности могут переключаться в широком диапазоне синаптических уровней. Изготовленный мемристивный cross-point демонстрируют парно-импульсную потенциацию PPF при t_p от 1 мс до 10 мс и парно-импульсную депрессию PPD при t_p от 50 мс до 100 мс. Анализ полученных экспериментальных результатов исследования PPF и PPD показал, что увеличение количества импульсов с 10 до 90 приводит к увеличению постсинаптического тока EPSC от 32 мкА до 73 мкА для t_p = 1 мс, от 31 мкА до 59 мкА для
  t_p = 5 мс, от 31 мкА до 48 мкА для t_p = 10 мс, а также уменьшению EPSC от 30 мкА до 25 мкА для t_p = 50 мс, от 30 мкА до 17 мкА для t_p = 70 мс, от 30 мкА до 5 мкА для tp = 100 мс. Из полученных результатов следует, что чем короче интервал между импульсами, тем выше индекс PPF, поэтому можно сделать вывод, что изготовленная мемристивный cross-point на основе нанокристаллических пленок ZnO имитирует кратковременную пластичность биологического синапса, в котором пластичность PPF и PPD определяется концентрацией ионов Ca+ и который играет ключевую роль во многих биологических функциях мозга, таких как локализация источника звука, распознавание образов, ассоциативное обучение, фильтрация ненужной информации. Полученные результаты могут быть использованы для аппаратной реализации нейронных сетей, нейроморфных структур робототехнических комплексов, протезов и систем искусственного интеллекта