АППАРАТНАЯ НЕЙРОННАЯ СЕТЬ НА ОСНОВЕ МЕМРИСТИВНЫХ СТРУКТУР ОКСИДА ТИТАНА
Аннотация
Представлены результаты изготовления, обучения и исследования макета аппаратной нейронной сети, реализованного в виде кроссбар массива искусственных синапсов на основе мемристорных наноструктур электрохимического оксида титана. Был разработан макет полносвязной нейронной сети, состоящей из четырех входных электродов, кроссбар массива 16 искусственных синапсов на основе наноструктур электрохимического оксида титана и четырех выходных электродов. Показано, что процесс протекания тока через такую структуру полностью соответствует математической модели нейронной сети. Были проанализированы различные реализации искусственных синапсов, позволяющие реализовать отрицательные «веса» нейронной сети и выбран один из оптимальных вариантов. На основе разработанной структуры был изготовлен макет полносвязной нейронной сети с использованием технологий магнетронного распыления, оптической и зондовой литографии. Для обучения нейронной сети был разработан алгоритм переключения отдельных мемристоров, исключающий паразитное переключение соседних структур за счет возникновения тока утечки. Для демонстрации работы изготовленного макета нейронной сети была предложена задача классификации двух входных сигналов. Для реализации отрицательных «весов» каждый из входящих сигналов дублировался с отрицательной полярностью. Предполагается, что выходы обученной нейронной сети должны регистрировать: 1) превышение первого сигнала; 2) превышение второго сигнала; 3) оба высоких сигнала. Этап обучения и исследования нейронной сети осуществлялся с использованием программно-аппаратного комплекса «Neuro InT», разработанного в научно-исследовательской лаборатории "Нейроэлектроника и мемристивные наноматериалы", ЮФУ. Исследование макета нейронной сети показало, что все выходы успешно классифицируют входящие сигналы, максимизируя ток через соответствующие выходы для заданных входных значений. Предложенную структуру можно улучшить, добавив дополнительные два входа с постоянным высоким положительным и отрицательным потенциалом для реализации «сдвига» при работе нейронной сети. Полученные результаты могут быть использованы при разработке аппаратных нейронных сетей на основе мемристивных структур оксида титана
Список литературы
1. Soori M., Arezoo B., Dastres R. Artificial neural networks in supply chain management, a review, Jour-nal of Economy and Technology, 2023, Vol. 1, pp. 179-196.
2. Jaekwang Cha, Shiho Kim CNN Hardware Accelerator Architecture Design for Energy-Efficient AI, Artificial Intelligence and Hardware Accelerators, 2023, pp. 319-357.
3. Abhijit Pandya, Ankur Agarwal, P. K. Kim Low Power Design of the Neuroprocessor, Knowledge-Based Intelligent Information and Engineering Systems, 2003, Vol. 2774, pp. 856-862.
4. Fei Zhang, Mehdi Aghagolzadeh, Karim Oweiss A Fully Implantable, Programmable and Multimodal Neuroprocessor for Wireless, Cortically Controlled Brain-Machine Interface Applications, J Sign Pro-cess Syst,, 2012, Vol. 69, pp. 351-361.
5. Xiaoyang Liu, Zhigang Zeng, Rusheng Ju Design of Memristor-Based Binarized Multi-layer Neural Network with High Robustness, Neural Information Processing. Communications in Computer and In-formation Science, 2024, Vol. 1962, pp. 249-259.
6. Mousam Charan Sahu, Anjan Kumar Jena, Sameer Kumar Mallik, Suman Roy, Sandhyarani Sahoo, et al. Reconfigurable Low-Power TiO2 Memristor for Integration of Artificial Synapse and Nociceptor, ACS Applied Materials & Interfaces, 2023, Vol. 15 (21), pp. 25713-25725.
7. Tominov R., Avilov V., Vakulov Z., Khakhulin D., Ageev O., Valov I., Smirnov V. Forming-Free Resis-tive Switching of Electrochemical Titanium Oxide Localized Nanostructures: Anodization, Chemical Composition, Nanoscale Size Effects, and Memristive Storage, Adv. Electron. Mater., 2022, 2200215.
8. Avilov V.I., Smirnov V.A., Tominov R.V., Sharapov N.A., Avakyan A.A. Atomic force microscopy of titanium oxide nanosize structures resistive switching, Abstract Book of International Conference “Scanning Probe Microscopy”, 2019, pp. 131-132.
9. Avilov V.I., Smirnov V.A., Tominov R.V., Sharapov N.A., Polupanov N.A., Ageev O.A. Phase composi-tion investigation of titanium oxide nanostructures obtained by the local anodic oxidation, IOP Conf. Se-ries: Materials Science and Engineering, 2019, Vol. 699, 012003.
10. Smirnov V.A., Avilov V.I., Tominov R.V., Fedotov A.A., Ageev O.A., Valov I. Memristornye struktury na osnove elektrokhimicheskogo oksida titana dlya RERAM i neyromorfnykh primeneniy [Memristor structures based on electrochemical titanium oxide for RERAM and neuromorphic applications], Nanoindustriya [Nanoindustry], 2021, Vol. 14, pp. 664-665.
11. Smirnov V.A., Tominov R.V., Avilov V.I., Polyakova V.V., Ageev O.A. Issledovanie effekta rezistivnogo pereklyucheniya v ne trebuyushchikh formovki oksidnykh nanorazmernykh strukturakh titana [Study of the effect of resistive switching in oxide nanoscale titanium structures that do not require forming], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2019, No. 2 (204), pp. 201-213.
12. Avilov V.I., Smirnov V.A., Sharapov N.A. Razmernyy effekt v memristornykh nanostrukturakh na os-nove oksida titana dlya sozdaniya elementov sistem iskusstvennogo intellekta i sinaptroniki [Size effect in memristor nanostructures based on titanium oxide for creating elements of artificial intelligence and synaptronics systems], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2018, No. 2 (196), pp. 34-46.
13. Avilov V.I. Zakonomernosti formirovaniya i proyavleniya rezistivnogo pereklyucheniya v nanostruktu-rakh oksida titana dlya apparatnykh neyronnykh setey [Patterns of formation and manifestation of resis-tive switching in titanium oxide nanostructures for hardware neural networks], Perspektivnye sistemy i zadachi upravleniya: Mater. XIX Vserossiyskoy nauchno-prakticheskoy konferentsii [Advanced control systems and problems: Proceedings of the XIX All-Russian scientific and practical conference], 2024, pp. 419-423.
14. Zhavoronkov L.G., Avilov V.I., Polupanov N.V., Khakhulin D.A., and Smirnov V.A. Fabrication and investigation of a memristive crossbar array artificial synapses based on electrochemical titanium oxide for neuroelectronics, Ferroelectrics, 2024, Vol. 618 (5), pp. 1323-1329.
15. Khakhulin D.A., Dzyuba D.A., Avilov V.I., Smirnov V.A. Sinapticheskie svoystva memristora na osnove TiOx [Synaptic properties of a TiOx-based memristor], Kurchatovskaya mezhdistsiplinarnaya mo-lodezhnaya nauchnaya shkola: Sb. annotatsiy [Kurchatov Interdisciplinary Youth Scientific School: Collection of Abstracts], 2023, 87.
16. Avilov V.I., Varganov V.I., Fedotov A.A., Smirnov V.A. Neyromorfnye struktury v sistemakh RTK [Neu-romorphic structures in RTC systems], Perspektivnye sistemy i zadachi upravleniya: Mater. XVIII Vse-rossiyskoy nauchno-prakticheskoy konferentsii i XIV molodezhnoy shkoly-seminara [Advanced systems and control problems: Proceedings of the XVIII All-Russian Scientific and Practical Conference and XIV Youth School-Seminar], 2023, pp. 173-176.
17. Avilov V.I., Zhavoronkov L.G., Polupanov N.V., Khakhulin D.A., Smirnov V.A. Sinapticheskie ustroystva dlya neyromorfnykh sistem robototekhnicheskikh kompleksov [Synaptic devices for neuro-morphic systems of robotic complexes], Perspektivnye sistemy i zadachi upravleniya: Mater. XVIII Vse-rossiyskoy nauchno-prakticheskoy konferentsii i XIV molodezhnoy shkoly-seminara [Prospective sys-tems and control problems: Proceedings of the XVIII All-Russian scientific and practical conference and XIV youth school-seminar], 2023, pp. 169-173.
18. Tominov R.V., Avilov V.I., Chernenko N.E., Smirnov V.A. Issledovanie memristornogo effekta tonkoy plenki oksida titana dlya iskusstvennykh neyropodobnykh sistem [Study of the memristor effect of a thin titanium oxide film for artificial neuron-like systems], Sb. trudov XIII Vserossiyskoy konferentsii mo-lodykh uchenykh «Nanoelektronika, nanofotonika i nelineynaya fizika [Collection of works of the XIII All-Russian conference of young scientists "Nanoelectronics, nanophotonics and nonlinear physics], 2018, pp. 318-319.
19. Karen’kih O.G., Avilov V.I., Smirnov V.A., Fedotov A.A., Sharapov N.A. and Polupanov N.A. Modelling of local anodic oxidation of titanium oxide nanostructures formation process. IOP Conf. Series: Materi-als Science and Engineering, 2018, Vol. 443, 012013.
20. Avilov Vadim I., Tominov Roman V., Vakulov Zakhar E., Zhavoronkov Lev G., and Smirnov Vladimir A. Titanium oxide artificial synaptic device: Nanostructure modeling and synthesis, memristive cross-bar fabrication, and resistive switching investigation, Nano Research, 2023, Vol. 16, pp. 10222-10233.
21. Avilov Vadim I., Tominov Roman V., Vakulov Zakhar E., Rodriguez Daniel J., Polupanov Nikita V., Smirnov Vladimir A. Nanoscale Titanium Oxide Memristive Structures for Neuromorphic Applications: Atomic Force Anodization Techniques, Modeling, Chemical Composition, and Resistive Switching Properties, Nanomaterials, 2025, Vol. 15 (1), 75.
22. Karen’kih O.G., Avilov V.I., Smirnov V.A., Sharapov N.A., Polupanov N.A. Modeling of titanium oxide nanostructures formation process by local anodic oxidation, Abstract Book of International Conference “Scanning Probe Microscopy”, 2018, 97.
