Llaneza, María Belén (2019) Sinapsis artificial utilizando memristores. / Artificial synapse using memristors. Proyecto Integrador Ingeniería en Telecomunicaciones, Universidad Nacional de Cuyo, Instituto Balseiro.
![[img]](/style/images/fileicons/application_pdf.png)
| PDF (Tesis) Español 12Mb |
Resumen en español
El trabajo que se presenta a continuación fue realizado en el marco de la Tesis de carrera de grado de Ingenieria en Telecomunicaciones. El mismo tiene una fuerte componente experimental y se llevó a cabo en las instalaciones de la Sala Limpia de Nanofabricación y Nanocaracterización del Centro Atómico Bariloche, (CAB). El proyecto titulado "Sinapsis Artificial Utilizando Memristores"se focalizó en la fabricación y caracterización de estos dispositivos con el fin de encontrar analogías con la sinapsis biológica. La demanda de mayores capacidades de procesamiento de la información ha incentivado a búsqueda de nuevos paradigmas a partir de tecnologías y materiales innovadores. Resulta un camino natural orientar dicha búsqueda a la observación de la biología, más precisamente a las unidades estructurales de procesamiento que componen el cerebro humano. En el Capítulo 1 se explayan estas ideas y se ofrece un breve resumen del estado del arte de esta tecnología. En el Capítulo 2 se introduce el concepto de memristor como un dispositivo capaz de cambiar su resistencia acorde a la cantidad de carga que pasa a través de el, y se enuncian sus principales características. Una forma de identificar su comportamiento es a partir de su ciclo de histéresis en las curvas tensión-corriente, o curvas IV, en donde pueden observarse dos estados de resistencia estables, no volátiles y bien diferenciados. Estos estados discretos, o "digitales", hacen evidente el uso de memristores como memorias. En algunos sistemas es posible hallar estados de resistencia intermedios, o estados \analógicos", entre estos valores discretos, a partir de una excitación eléctrica adecuada. Al final de este capítulo también se presentan conceptos básicos de la sinapsis biológica. La sinapsis biológica es una estructura funcional y elemental que media la comunicación entre neuronas. La facilidad o eficiencia con la que dos neuronas se comunican se denomina "peso sináptico". El mismo puede modificarse y esta variación se denomina "plasticidad sináptica". Es de interés de este trabajo encontrar analogías entre la variación del peso sináptico y el cambio de resistencia en los estados intermedios de los sistemas memristivos. Para encontrar las analogías se usaron sistemas memristivos compuestos por tres capas: un electrodo inferior, un óxido binario en el medio y un electrodo superior. Uno de los sistemas medidos, compuesto por Ti/TiO2/Pd, fue fabricado por N.Ghenzi etal. [1], en el Laboratorio Nanogune localizado en País Vasco, España. El resto de los sistemas se fabricaron durante este trabajo. En el Capítulo 3 se detallan los procedimientos experimentales realizados y los equipos utilizados, tanto para la elaboración como para la caracterización eléctrica de los dispositivos. Los sistemas memristivos fabricados en las instalaciones del CAB tienen en común el electrodo inferior de Au de 75 nm de espesor, seguido por una película delgada de TiO2 de 55 nm producido por el método de sol-gel. El electrodo superior varía de una muestra a otra y puede ser Al (45 nm), Au (75 nm) o Ag (25 nm). El diseño de los electrodos se transfirío por fotolitografía mediante mascaras de Ag. Los detalles de diseño y los procedimientos finales se describen en el Capítulo 4. En el Capítulo 5 se relevan los ciclos de histéresis de los sistemas y tratan de buscarse rangos de tensiones en los cuales haya comportamientos repetibles. Las analogías con la sinapsis biológica se describen en el Capítulo 6. Se estudian dos propiedades principales, la primera es la acumulación, que consiste en el aumento o disminución del peso sináptico debido a la repetición de un estímulo de igual amplitud, mientras que la segunda es una propiedad de sincronismo. Dicha propiedad se denomina Spike-Timing- Dependent-Plasticity (STDP) y asocia cambios de peso sináptico de mayor amplitud a estímulos que se suceden más cerca temporalmente. Finalmente se hace una evaluación de los resultados obtenidos y se ofrecen perspectivas a futuro de esta investigación en el Capítulo 7.
Resumen en inglés
The work presented below was carried out in the framework of the Degree Thesis in Telecommunications Engineering. It has a strong experimental component and was carried out at the facilities of the Nanofabrication and Nanocharacterization Clean Room, belogning to Centro Atómico Bariloche, (CAB). The project called 'Articial Synapse Using Memristors' is based on the manufacture and characterization of these devices in order to find analogies with the biological synapse. The demand for increasingly large information-processing capacities has encouraged the search for new paradigms based on innovative technologies and materials. It is a natural way to direct this search to the observation of biology, more precisely to the structural processing units that make up the human brain. In Chapter 1 these ideas are explained and a brief summary of the state of the art of this technology is presented. In Chapter 2 the concept of memristor is introduced as a device capable of changing its resistance according to the amount of charge that passes through it, and its main characteristics are stated. One way to identify its behavior is from the hysteresis cycle IV, where two stable, non-volatile and well differentiated resistance states can be observed. These discrete states, or 'digital' states, make evident the use of memristors as memories. In some systems it is possible to nd intermediate resistance states between these discrete values, or 'analog' states, from a suitable electrical excitation. At the end of this chapter are mentioned concepts of the biological synapse. The biological synapse is a functional and elementary structure that mediates communication between neurons. The ease or efficiency with which two neurons communicate is called 'synaptic weight'. It can be modied and this variation is called 'synaptic plasticity'. It is of interest in this work to nd analogies between the synaptic weight variation and the change of resistance in the intermediate states of the memory systems. To find the analogies, memristive systems composed of three layers were used: a lower electrode, a binary oxide in the middle and an upper electrode. One of the measured systems composed of Ti/TiO2/Pd was manufactured in Basque Country, Spain, in the Nanogune Laboratory by N.Ghenzi et al. [1] and the rest of the systems were manufactured as part of this work. Chapter 3 details the experimental procedures performed and the equipment used, both for the elaboration and for the electrical characterization of the devices. Memory systems manufactured at the CAB facilities have in common the lower electrode of Au 75-nm thick, followed by a 55-nm TiO2 thin lm produced by the sol - gel method. The upper electrode varies from one sample to another and can be Al (45 nm), Au (75 nm) or Ag (25 nm). The electrode design was transferred by photolithography using Ag masks. Design details and final procedures are described in Chapter 4. In Chapter 5, the hysteresis cycles of the systems are presented and the voltage ranges in which there are repeatable behaviors. Analogies with the biological synapse are described in Chapter 6. Two main properties are studied, the first is the accumulation, which consists in the increase or decrease of the synaptic weight due to the repetition of a stimulus of equal amplitude, while the second is a property of synchronism. This property is called Spike-Timing-Dependence Plasticity (STDP) and associates synaptic weight changes of greater amplitude with stimuli that occur closer temporarily. Finally, an evaluation of the results obtained and future perspectives of this research are offered in Chapter 7.
| Tipo de objeto: | Tesis (Proyecto Integrador Ingeniería en Telecomunicaciones) |
|---|---|
| Palabras Clave: | Accumulation; Acumulación; [Memristors; Memristores; Synaptic weight; Peso sináptico; Artificial synapse; Sinapsis artificial] |
| Referencias: | [1] N.Ghenzi , Rozenberg , M., R.Llopis, P.Levy, L.E.Hueso , P.Stoliar. Tuning the resistive switching properties of tio2-x films. Applied Physics Reviews, 2015. xviii, xix, 43, 44, 71 [2] Moore's law: The number of transistors on integrated circuit chips.https://ourworldindata.org/uploads/2019/05/Transistor-Count-over-time-to-2018.png. Accessed: 2019-12-7. 1 [3] Mead, C. Analog VLSI and Neural Systems. Boston, MA, USA: Addison-Wesley Longman Publishing Co., Inc., 1989. 2 [4] Waser, R., Ielmini, D. Resistive swtiching: From fundamentals of nanoionic redox processes to memristive device applications. Wiley-VCH Verlag GmbH and Co. KGaA, 2016. ix, 2, 3, 9, 13 [5] Cai, R., A.Ren, Wang , Y., B.Yuan . Memristor-based discrete fourier transform for improving performnce and energy efficiency. 2016 IEEE Computer Society Annual Symposium on VLSI, 2016. 3, 73 [6] Miau, H., Strachan , J. P., et al. Dot-product engine for neuromorphic computing: Programming 1t1m crossbar to accelerate matrix-vector multiplication. Hewlett Packard Enterprise Development, 2016. 3 [7] Chua, L. Memristor-the missing circuit element. IEEE Transactions on Circuit Theory, 18 (5), 507-519, Sep. 1971. 5 [8] Strukov, D., Snider , G., et. al. The missing memristor found. Nature, 2008. ix, 5, 6 [9] Sung Lee, J., L. Shinbuhm, T.Won Noh. Resistive switching phenomena: A review of statistical physics approaches. tomo 56, pag. 3. Applied Physics Reviews, 2015. 8, 47 [10] Nardi, F., Larentis, S., Balatti, S., Gilmer, D. C., Ielmini, D. Resistive switching by voltage-driven ion migration in bipolar rram|part i: Experimental study. IEEE Transactions on Electron Devices, 59 (9), 2461-2467, Sep. 2012. ix, 9, 10, 11 [11] Chul Chae, S., Sung Lee, J., et al. Random circuit breaker network model for unipolar resistance switching. Wiley Online Library, March. 208. 13 [12] Gabbiani, F., Cox, S. J. Chapter 2 - the passive isopotential cell. En: F. Gabbiani, S. J. Cox (eds.) Mathematics for Neuroscientists (Second Edition), pags. 9-19. San Diego: Academic Press, 2017. URL http://www.sciencedirect.com/science/article/pii/B9780128018958000026. 15 [13] Yu, S. (ed.) Neuro-inspired computing using resistive synaptic devices. Springer International, 2018. ix, ix, ix, 15, 16, 17, 18 [14] Bi, G. Q., Poo, M.-M. Synaptic modications in cultured hippocampal neurons: dependence on spike timing, synaptic strength, and postsynaptic cell type. The Journal of neuroscience : the official journal of the Society for Neuroscience, 1824, 10464-72, 1998. ix, 15, 16 [15] Partes principales de la neurona. http://webspace.ship.edu/cgboer/genesp/neuronas.html. Accessed: 2019-09-29. ix, 16 [16] Yahaya, M. Z., Azam, M. A., Asri Mat Teridi, M., Kumar Singh, P., Azmin Mohamad, A. Recent characterisation of sol-gel synthesised tio2 nanoparticles. En:U. Chandra (ed.) Recent Applications in Sol-Gel Synthesis, cap. 6. Rijeka: IntechOpen, 2017. URL https://doi.org/10.5772/67822. x, 21, 22 [17] Avinash P. Nayak, L. V., Islam, M. S. Wet and Dry Etching. University of California, Davis. California. 26 [18] Martínez, E. D. Películas delgadas nano-compuestas (nanopartícula metálica/matrizmesoporosa) con aplicaciones en espectroscopía raman amplicada por superficies. Gerencia Química, CAC-CNEA, 2013. 28 [19] N.Ghenzi, M.J.Sánchez, P.Levy. A compact model for binary oxides-based memristive interfaces. Journal of applied physics, 2013. 34 [20] Zheng-Hua, T., Yin, X.-B., Rui, Y., Shao-Bo, M., Chun-Lin, J., Xin, G. Pavlovian conditioning demonstrated with neuromorphic memristive devices. Scientic Reports, 7, 12 2017. 65 [21] Ielmini, D. Brain-inspired computing with resistive switching memory (rram): Devices, synapses and neural networks. Microelectronic Engineering, 190, 04 2018. 65 [22] Yu, S. Neuro-inspired Computing Using Resistive Synaptic Devices. Springer International Publishing, 2017. xiv, 67 [23] Ambrogio, S., Balatti, S., Milo, V., Carboni, R., Z. Wang, Calderoni, A., et al. Neuromorphic learning and recognition with one-transistor-one-resistor synapses and bistable metal oxide rram. IEEE Transactions on Electron Devices, 63, 1508-1515, 4 2016. 73 |
| Materias: | Ingeniería en telecomunicaciones > Dispositivos neuromórficos |
| Código ID: | 873 |
| Depositado Por: | Tamara Cárcamo |
| Depositado En: | 10 Mar 2021 13:00 |
| Última Modificación: | 10 Mar 2021 13:00 |
Personal del repositorio solamente: página de control del documento
