Περίληψη
Τα τελευταία χρόνια έχει καταστεί σαφής η ανάγκη ανάδειξης νέων υπολογιστικών αρχιτεκτονικών πέραν της καθιερωμένης von Neumann αρχιτεκτονικής κυρίως λόγω του μεγάλου όγκου νέων δεδομένων που απαιτείται να αναλυθούν και επεξεργαστούν σε σύντομο χρονικό διάστημα. Προς αυτή την κατεύθυνση οι υλοποιήσεις νευρομορφικών υπολογιστικών συστημάτων φαίνεται πως προσφέρουν αυξημένη απόδοση και ακρίβεια στους υπολογισμούς. Τέτοιες υλοποιήσεις που χρησιμοποιούν μνήμες εναλλαγής αντίστασης (ReRAM) ως το συνδετικό κρίκο με τα βιολογικά ισοδύναμα στοιχεία (συνάψεις/νευρώνες) έχουν αποτελέσει αντικείμενο ενδελεχούς έρευνας τα τελευταία χρόνια. Οι εν λόγω διατάξεις φαίνεται πως, πέραν της απροβλημάτιστης συμβατότητάς τους με τις CMOS τεχνικές, έχουν τη δυνατότητα και να λειτουργούν απλά ως μη-πτητικές μνήμες και να αποθηκεύουν πολλαπλά bit πληροφορίας, αλλά και να συγκροτούν τα μέσα υλοποίησης τεχνικών μηχανικής μάθησης σε νευρομορφικές διατάξεις. Η εν λόγω τεχνολογία μνήμης, που αποτέλεσε και το αντικ ...
Τα τελευταία χρόνια έχει καταστεί σαφής η ανάγκη ανάδειξης νέων υπολογιστικών αρχιτεκτονικών πέραν της καθιερωμένης von Neumann αρχιτεκτονικής κυρίως λόγω του μεγάλου όγκου νέων δεδομένων που απαιτείται να αναλυθούν και επεξεργαστούν σε σύντομο χρονικό διάστημα. Προς αυτή την κατεύθυνση οι υλοποιήσεις νευρομορφικών υπολογιστικών συστημάτων φαίνεται πως προσφέρουν αυξημένη απόδοση και ακρίβεια στους υπολογισμούς. Τέτοιες υλοποιήσεις που χρησιμοποιούν μνήμες εναλλαγής αντίστασης (ReRAM) ως το συνδετικό κρίκο με τα βιολογικά ισοδύναμα στοιχεία (συνάψεις/νευρώνες) έχουν αποτελέσει αντικείμενο ενδελεχούς έρευνας τα τελευταία χρόνια. Οι εν λόγω διατάξεις φαίνεται πως, πέραν της απροβλημάτιστης συμβατότητάς τους με τις CMOS τεχνικές, έχουν τη δυνατότητα και να λειτουργούν απλά ως μη-πτητικές μνήμες και να αποθηκεύουν πολλαπλά bit πληροφορίας, αλλά και να συγκροτούν τα μέσα υλοποίησης τεχνικών μηχανικής μάθησης σε νευρομορφικές διατάξεις. Η εν λόγω τεχνολογία μνήμης, που αποτέλεσε και το αντικείμενο έρευνας της συγκεκριμένης διατριβής, μπορεί και μιμείται βάσει της διαδικασίας ανάπτυξης και ρήξης του αγώγιμου δρόμου τον τρόπο με τον οποίο γίνονται και οι μεταβολές της συναπτικής ισχύος στις βιολογικές συνάψεις. Έχοντας, λοιπόν, αυτό ως κύριο μέλημα, εγείρεται πληθώρα ζητημάτων, όπως η στοχαστικότητα του φαινομένου εναλλαγής και η στατιστική διακύμανση των αποτελεσμάτων, η χαμηλή κατανάλωση ισχύος και η μεγιστοποίηση του παραθύρου μνήμης. Καταλαβαίνει κανείς πως σε μία υψηλής πυκνότητας νευρομορφική υλοποίηση τέτοια ζητήματα, ειδικά ισχύος, είναι ζωτικής σημασίας. Προς αυτή την κατεύθυνση και διερευνώντας και τις δύο υποκατηγορίες των ReRAM, δηλαδή τις μνήμες αλλαγής σθένους (VCM) και αγώγιμης γέφυρας (CBRAM), έγινε προσπάθεια βελτιστοποίησης της λειτουργίας των νανοδιατάξεων μνήμης ώστε να μπορούν να χρησιμοποιηθούν απρόσκοπτα σε πυκνές crossbar δομές.Χρησιμοποιήθηκε ποικιλία υλικών για να διερευνηθεί η επίδραση των πολύπλοκων παραμέτρων εναπόθεσης στην ηλεκτρική απόδοση των νανοδιατάξεων μνήμης, εστιάζοντας κυρίως στο οξείδιο του τιτανίου (TiOx), το οξείδιο του αφνίου (HfOx), το οξείδιο του ταντάλου (TaOx) και το διοξείδιο του πυριτίου (SiO2). Η χρήση πολλαπλών στρωμάτων ενεργού υλικού μέσα σε μια διάταξη VCM διερευνήθηκε ως τρόπος επίτευξης όχι μόνο χαμηλής στατιστικής διακύμανσης και μείωσης των ρευμάτων λειτουργίας, αλλά και ενίσχυσης των συναπτικών ιδιοτήτων. Αυτό επιτυγχάνεται με εναπόθεση διηλεκτρικών στρωμάτων χαμηλής, αλλά και υψηλής, περιεκτικότητας σε οξυγόνο, με τα πρώτα να ενεργούν ως αντιστάσεις σειράς και να μειώνουν την καταναλισκόμενη ισχύ. Κατά συνέπεια, το φαινόμενο εναλλαγής αντίστασης περιορίζεται σε μικρότερο όγκο οξειδίου εναλλαγής, δηλαδή το στρώμα με την υψηλότερη συγκέντρωση οξυγόνου, βελτιώνοντας, συνεπώς, τη στατιστική διακύμανση. Επιπλέον, με την ενσωμάτωση μεταλλικών νανοκρυστάλλων (NCs) εντός της διηλεκτρικής μήτρας καθίσταται δυνατή η τοπική ενίσχυση του ηλεκτρικού πεδίου, αυξάνοντας έτσι την δυνατή διάμετρο ενός αγώγιμου δρόμου (CF). Αυτό με τη σειρά του μπορεί να οδηγήσει σε μεγαλύτερα παράθυρα μνήμης, ακόμη και υπό συνθήκες χαμηλής πόλωσης. Η ενίσχυση του ηλεκτρικού πεδίου είναι, επίσης, ένας βασικός παράγοντας περιορισμού των πιθανών δρόμων διήθησης, όπου λαμβάνει χώρα το φαινόμενο εναλλαγής αντίστασης.Η χρήση του SiO2 ως στρώμα εναλλαγής σε διατάξεις CBRAM ανέδειξε πληθώρα ιδιοτήτων και από άποψη λειτουργίας μνήμης, αλλά και από συναπτικής απόψεως. Απαιτούνται πολύ μικρές τάσεις σάρωσης (< 500 mV) για εμφάνιση του φαινομένου εναλλαγής με αρκετά μεγάλα παράθυρα μνήμης και καμία ανάγκη ηλεκτροδιαμόρφωσης της διάταξης. Στη σύγκριση μεταξύ των δύο ηλεκτροχημικά ενεργών Ag και Cu άνω ηλεκτροδίων φάνηκε πως η διαφορά στο σημείο τήξης των σχηματισμένων νανοσυστάδων μεταλλικών ιόντων που απαρτίζουν το CF αποτελεί τη βάση του φαινομένου εναλλαγής κατωφλίου (threshold switching). Η φύση της διάχυσης των μετακινούμενων ιόντων και η δυναμική του σχηματισμού/ρήξης του CF ανέδειξε την ικανότητα διαμόρφωσης της αγωγιμότητας της διάταξης υπό διέγερση με παλμούς ίδιας πολικότητας, αλλά διαφορετικού ύψους. Η είσοδος νανοκρυστάλλων Ag/Cu ακριβώς κάτω από το πάνω ηλεκτρόδιο Ag/Cu έδειξε πως περιορίζει κάπως τη μετακίνηση των μεταλλικών ιόντων στον ενδιάμεσο χώρο μεταξύ των NCs με αποτέλεσμα την ανάγκη για μεγαλύτερες τάσεις μετάβασης και σάρωσης. Επιπροσθέτως, όντας το ίδιο ηλεκτροχημικά ενεργό υλικό με το άνω ηλεκτρόδιο είναι λογικό μετά από κάποιους κύκλους σάρωσης να παρατηρείται κάποια διακύμανση στα αποτελέσματα. Επιπλέον, η εισαγωγή Pt NCs βελτίωσε περαιτέρω τη στατιστική διακύμανση και περιόρισε χωρικά την τυχαία εξέλιξη των CFs καθιστώντας ταυτόχρονα δυνατή τη ρύθμιση της διαμέτρου του CF. Μέσα από αυτήν την έρευνα παρουσιάστηκαν δυνατότητες επίτευξης πολλαπλών σταθμών αντίστασης (multibit) χαμηλής ισχύος, και παράλληλα πιο απότομες μεταβάσεις λόγω του χωρικού περιορισμού της εξέλιξης του CF, αναδεικνύοντας την διαφορετική δυναμική εξέλιξης των νανονημάτων αργύρου υπό την παρουσία μεταλλικών NCs και τον ευεργετικό αντίκτυπό του στη λειτουργία της διάταξης.Η διεξοδική διερεύνηση της συναπτικής απόδοσης σε όλες περιπτώσεις έδειξε πως η αξιοποίηση των εν λόγω διατάξεων μνήμης σε νευρομορφικές υλοποιήσεις υψηλής πυκνότητας έχει μεγάλες προοπτικές. Οι προτεινόμενες βελτιστοποιήσεις της εν λόγω διατριβής δύναται να οδηγήσουν σε υψηλής απόδοσης νευρωνικά δίκτυα αξιοποιώντας παράλληλα την πληθώρα συναπτικών ιδιοτήτων που επιδεικνύουν οι συγκεκριμένες διατάξεις, αλλά και την εξαιρετικά χαμηλή κατανάλωση ισχύος ανά συναπτικό γεγονός που παρατηρήθηκε.
περισσότερα
Περίληψη σε άλλη γλώσσα
In recent years the need to develop new computing architectures beyond the established von Neumann architecture has become clear mainly due to the need for the large volume of new data to be analyzed and processed in a short period of time. In this regard, the implementation of neuromorphic computing systems seems to offer increased efficiency and accuracy in calculations. Such implementations that use resistive switching memories (ReRAM) as the link to the biologically equivalent elements (synapses/neurons) have been the subject of extensive research in recent years. These devices seem to have, in addition to their trouble-free compatibility with CMOS techniques, the ability to function simply as non-volatile memories and store multiple bits of information, as well as to comprise the means of implementing machine learning techniques into neuromorphic devices.This memory technology, which was the item of research in this dissertation, can and does mimic, based on the process of develop ...
In recent years the need to develop new computing architectures beyond the established von Neumann architecture has become clear mainly due to the need for the large volume of new data to be analyzed and processed in a short period of time. In this regard, the implementation of neuromorphic computing systems seems to offer increased efficiency and accuracy in calculations. Such implementations that use resistive switching memories (ReRAM) as the link to the biologically equivalent elements (synapses/neurons) have been the subject of extensive research in recent years. These devices seem to have, in addition to their trouble-free compatibility with CMOS techniques, the ability to function simply as non-volatile memories and store multiple bits of information, as well as to comprise the means of implementing machine learning techniques into neuromorphic devices.This memory technology, which was the item of research in this dissertation, can and does mimic, based on the process of development and rupture of a conductive filament, the way in which the changes of synaptic weight in biological synapses are made. Having this as a main concern, then, a number of issues are brought up, such as the stochasticity of the switching phenomenon and the statistical dispersion of the results, the low power consumption and the maximization of the memory window. One understands that in a high-density neuromorphic implementation such issues, especially of power, are vital. In this direction and by investigating both subcategories of ReRAM, namely valence change memory (VCM) and conductive bridge (CBRAM), an attempt was made to optimize the operation of memory nanodevices so that they can be used seamlessly in dense crossbar structures.A variety of materials were used to investigate the effect of complex deposition parameters on the electrical performance of memory nanodevices, focusing mainly on titanium oxide (TiOx), hafnium oxide (HfOx), tantalum oxide (TaOx) and silicon dioxide (SiO2). The use of multiple layers of active material within a VCM device was investigated as a way to achieve not only low statistical dispersion and reduction of operating currents, but also to enhance synaptic properties. This is achieved by depositing low, but also high, in oxygen content dielectric layers, with the former acting as series resistors and reducing power consumption. Consequently, the resistive switching phenomenon is limited to a smaller volume of switching oxide, i.e. the layer with the highest oxygen concentration, thus improving the statistical variability. In addition, the incorporation of metal nanocrystals (NCs) inside the dielectric matrix makes the localization of the electric field possible, thus increasing the effective diameter of a conductive filament (CF). This in turn can lead to larger memory windows, even in low bias conditions. The enhancement of the electric field is also a key factor in limiting the possible percolation paths, where the resistive switching phenomenon takes place.The use of SiO2 as a switching layer in CBRAM devices demonstrated a variety of properties both in terms of memory function and of synaptic plasticity. Very low sweep bias amplitudes (< 500 mV) are required for the switching effect to transpire with large enough memory windows and no need to electroform the device. In the comparison between the two electrochemically active Ag and Cu top electrodes, it was shown that the difference in the melting point of the formed metal ion nanoclusters that constitute the CF is the origin of the threshold switching effect. The nature of the diffusion of the moving ions and the dynamics of the formation/rupture of the CF demonstrated the ability to modulate the conductivity of the device under the application of pulses with the same polarity albeit of different amplitude. The embedding of Ag/Cu nanocrystals underneath the top Ag/Cu electrode showed that it somewhat restricts the movement of metal ions in the intermediate space between NCs resulting in the need for higher switching and sweeping voltages. In addition, being the same electrochemically active material as the top electrode, it is reasonable to observe some variation in the results after some sweep cycles. Moreover, the introduction of Pt NCs further improved statistical variability and spatially confined the random evolution of CFs while at the same time making it possible to regulate the CF diameter. Through this research, it was possible to achieve low-power multibit properties, as well as steeper transitions due to the spatial confinement of the CF’s evolution, highlighting the different evolution dynamics of silver nanowires in the presence of metallic NCs and its beneficial effect in memristive device operation.The thorough investigation of synaptic performance in all cases has shown that the utilization of these memory devices in high density neuromorphic implementations has great potential. The proposed optimizations of this dissertation can lead to high-performance neural networks while utilizing the multitude of synaptic properties exhibited by these devices, as well as the extremely low power consumption per synaptic event observed.
περισσότερα