Мемристоры для нейроморфных вычислительных систем: основные параметры и способы их оптимизации
А.С. Ильина,
А.Н. Мацукатоваа,б,
М.Н. Мартышова,
А.В. Емельянова,б,в,
В.В. Рыльковб,
В.А. Демина,б,
П.А. Форша,
П.К. Кашкарова,б,в,
М.В. Ковальчука,б,в аМосковский государственный университет имени М.В. Ломоносова, Физический факультет, Ленинские горы 1 стр. 2, Москва, 119991, Российская Федерация бНациональный исследовательский центр «Курчатовский институт», пл. акад. Курчатова 1, Москва, 123182, Российская Федерация вМосковский физико-технический институт (Национальный исследовательский университет), Институтский пер. 9, Долгопрудный, Московская обл., 141701, Российская Федерация
В последние годы в научном сообществе сохраняется высокий интерес к нейроморфным вычислительным системам на основе мемристивных устройств, благодаря их уникальным преимуществам. В то же время, несмотря на наличие большого многообразия мемристоров, пока еще не создано устройство с оптимальными характеристиками для использования в нейроморфных вычислениях. В статье представлены сведения об основных видах и параметрах мемристивных устройств. Рассмотрены мемристоры, переключающиеся по механизмам изменения валентности, электрохимической металлизации, фазового перехода, сегнетоэлектрического туннельного и спин-туннельного эффектов. Проанализированы основные характеристики, достоинства и недостатки каждого вида мемристоров. Представлены основные пути совершенствования характеристик мемристоров, связанные с оптимизацией состава и структуры мемристивных устройств, схемотехническими и алгоритмическими решениями.
Ключевые слова: мемристоры, механизмы переключения, типы мемристоров, оптимизация характеристик DOI: Цитата: Ильин А С, Мацукатова А Н, Мартышов М Н, Емельянов А В, Рыльков В В, Демин В А, Форш П А, Кашкаров П К, Ковальчук М В "Мемристоры для нейроморфных вычислительных систем: основные параметры и способы их оптимизации" УФН, принята к публикации
Поступила: 14 июля 2025, доработана: 19 сентября 2025, одобрена в печать: 21 сентября 2025
Sheridan P, Lu W Memristors and Memristive Devices for Neuromorphic Computing (Eds A Adamatzky, L Chua) (Cham: Springer International Publishing, 2014)
Golonzka O Non-Volatile RRAM Embedded into 22FFL FinFET Technology
Liang J A 100
Lee K22-nm FD-SOI Embedded MRAM Technology for Low-Power Automotive-Grade-l MCU Applications 27
Song Y J Demonstration of Highly Manufacturable STT-MRAM Embedded in 28 nm Logic 18
Park C Low RA Magnetic Tunnel Junction Arrays in Conjunction with Low Switching Current and High Breakdown Voltage for STT-MRAM at 10 nm and Beyond 185