Исследование стабильности гибридной МОП-мемристорной памяти с использованием модифицированного метода оптимизации роя частиц

Бондарев Андрей Владимирович , Ефанов Владимир Николаевич

doi:10.17586/2226-1494-2024-24-6-1059-1065

2024 , ТОМ 24, НОМЕР 6 ( ноябрь-декабрь )

ISSN 2226-1494 (print), ISSN 2500-0373 (online)

Меню

Публикации

Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор

Партнеры

doi: 10.17586/2226-1494-2024-24-6-1059-1065

УДК 621.382

Исследование стабильности гибридной МОП-мемристорной памяти с использованием модифицированного метода оптимизации роя частиц

Бондарев А.В., Ефанов В.Н.

Читать статью полностью

Язык статьи - русский

Ссылка для цитирования:

Бондарев А.В., Ефанов В.Н. Исследование стабильности гибридной МОП-мемристорной памяти с использованием модифицированного метода оптимизации роя частиц // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24, № 6. С. 1059–1065. doi: 10.17586/2226-1494-2024-24-6-1059-1065

Аннотация

Введение. Рассматривается проблема оценки стабильности наноэлектронных структур, включающих гибридную транзисторно-мемристорную энергонезависимую память. Результаты исследования процессов в наноэлектронных структурах с использованием мемристоров показали, что дополнительно к обычному дрейфу параметров, свойственному полупроводниковым приборам, в данных структурах возникают новые уникальные эффекты. Такие эффекты приводят к неопределенности в оценке состояния ячеек мемристорной памяти. Исследование подобных эффектов находится в начальном состоянии, в том числе из-за отсутствия моделей, позволяющих в полном объеме исследовать изменчивость параметров и дрейф состояний мемристоров. В связи с этим предлагается использовать метаэвристический метод роя частиц, позволяющий оценивать устойчивость гибридной транзисторно-мемристорной памяти. Методы. В работе используются методы топологического и параметрического анализов наноэлектронных структур с мемристорами, метод интервального анализа подобных структур, метод оптимизации роя частиц для решения интервальных алгебраических и дифференциальных уравнений. Основные результаты. Предложена структурно-параметрическая модель гибридного устройства памяти на основе мемристоров с учетом конечных приращений их параметров, вызванных воздействием внешних и внутренних факторов. Разработан алгоритм оценки параметров гибридного запоминающего устройства с мемристорами на основе модифицированного метода оптимизации роя частиц. Обсуждение. Интервальные математические модели служат основой для разработки новых принципов организации сверхплотной энергонезависимой памяти и создают предпосылки для новых подходов к организации вычислений в памяти. Вычислительный алгоритм, основанный на методе оптимизации роя частиц, позволяет оценить работоспособность гибридных металл-оксид-полупроводниковых структур (МОП-структур) с мемристорами в реальных условиях эксплуатации. В результате выполненной оценки появляется возможность расширить область применения устройств, использующих квантовые эффекты, в различных технических приложениях.

Ключевые слова: мемристор, МОП-транзистор, память, стабильность, оптимизация, рой частиц

Список литературы

Ziegler T., Brackmann L., Hennen T., Bengel C., Menzel S., Wouters D.J. Eliminating capacitive sneak paths in associative capacitive networks based on complementary resistive switches for in-memory computing // Proc. of the 2023 IEEE International Memory Workshop (IMW). 2023. P. 1–4. https://doi.org/10.1109/IMW56887.2023.10145947
Mannocci P., Baroni A., Melacarne E., Zambelli C., Olivo P., Perez E., Wenger C., Ielmini D. In-memory principal component analysis by crosspoint array of resistive switching memory: A new hardware approach for energy-efficient data analysis in edge computing // IEEE Nanotechnology Magazine. 2022. V. 16. N 2. P. 4–13. https://doi.org/10.1109/MNANO.2022.3141515
Shalini, Singh K. Power and area efficient hybrid memristor-CMOS based 2’s complement fsm for high-performance computing system // Proc. of the 2023 International Conference on Artificial Intelligence and Smart Communication (AISC). 2023. P. 170–174. https://doi.org/10.1109/AISC56616.2023.10085331
Nawaria M., Kumar S., Gautam M.K., Dhakad N.S., Singh R., Singhal S., Kumar P., Vishvakarma S.K., Mukherjee S. Memristor-inspired digital logic circuits and comparison with 90-/180-nm CMOS technologies // IEEE Transactions on Electron Devices. 2024. V. 71. N 1. P. 301–307. https://doi.org/10.1109/TED.2023.3278625
Masoumi M. Novel hybrid CMOS/memristor implementation of the AES algorithm robust against differential power analysis attack // IEEE Transactions on Circuits and Systems II: Express Briefs. 2020. V. 67. N 7. P. 1314–1318. https://doi.org/10.1109/TCSII.2019.2932337
Radhakrishnan A., Babu S., James A. Python based memristor model library for variability analysis // Proc. of the 2023 IEEE International Symposium on Circuits and Systems (ISCAS). 2023. P. 1–5. https://doi.org/10.1109/ISCAS46773.2023.10181939
Kumar R., Chordia A., Aswani A., James A., Tripathi J.N. Uncertainty quantification of memristor crossbar array for vector matrix multiplication // Proc. of the 2021 IEEE 25^th Workshop on Signal and Power Integrity (SPI). 2021. P. 1–4. https://doi.org/10.1109/SPI52361.2021.9505193
Khan R.A., Yang S., Fahad S., Khan S.U., Kalimullah. A modified particle swarm optimization with a smart particle for inverse problems in electromagnetic devices // IEEE Access. 2021. V. 9. P. 99932–99943. https://doi.org/10.1109/ACCESS.2021.3095403
Swari M.H.P., Handika P.S., Satwika K.S., Wahani H.E. Optimization of single exponential smoothing using particle swarm optimization and modified particle swarm optimization in sales forecast // Proc. of the 2022 IEEE 8^th Information Technology International Seminar (ITIS). 2022. P. 292–296. https://doi.org/10.1109/ITIS57155.2022.10010034
Zhao Q., Li C. Two-stage multi-swarm particle swarm optimizer for unconstrained and constrained global optimization // IEEE Access. 2020. V. 8. P. 124905–124927. https://doi.org/10.1109/ACCESS.2020.3007743
Cui Y., Long Z. Load balancing scheduling algorithm based on improved particle swarm optimization // Proc. of the 2021 IEEE International Conference on Artificial Intelligence and Computer Applications (ICAICA). 2021. P. 1044–1047. https://doi.org/10.1109/ICAICA52286.2021.9498058
Zhuo L., Cheng Z., Wang Y., Liu L. Design of vehicle trajectory optimization based on multiple-shooting method and modified particle swarm optimization // Proc. of the 2018 37^th Chinese Control Conference (CCC). 2018. P. 4649–4654. https://doi.org/10.23919/ChiCC.2018.8483741
Mladenov V. Analysis and simulations of hybrid memory scheme based on memristors // Electronics. 2018. V. 7. N 11. P. 289. https://doi.org/10.3390/electronics7110289
Bondarev A.V., Efanov V.N. Features of the development of a mathematical model of an electric multipole with memresistive branches for nanoelectronic components of quantum computing systems // IOP Conference Series: Materials Science and Engineering. 2020. V. 976. N 1. P. 012010. https://doi.org/10.1088/1757-899X/976/1/012010
Bondarev A.V., Efanov V.N. Investigation of the robustness of nanoelectronic structures based on resonant tunneling elements // Russian Microelectronics. 2022. V. 51. N 7. P. 552–561. https://doi.org/https://doi.org/10.1134/S1063739722070022
Moore R.E. A survey of interval methods for differential equations // Proc. of the 23^rd IEEE Conference on Decision and Control. 1984. P. 1529–1535. https://doi.org/10.1109/CDC.1984.272338

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License