FenixEdu™

Dissertação

{en_GB=Adaptive Neural Networks based on Metal-Insulator-Metal Nanostructures (Memristors)} {} EVALUATED

Detalhes: {pt=Recentemente novas arquitecturas de computação têm sido estudadas para ultrapassar os limites do paradigma tradicional de von Neumann e o fim iminente da lei de Moore. Uma alternativa promissora é a computação neuromórfica, baseada em algoritmos não lineares, altamente paralelizáveis, que mimetizam o funcionamento de redes neuronais biológicas. Estas versões artificiais podem ser implementadas usando memristors, componentes electrónicos fundamentais e passivos, que exibem mudanças de estado resistivo estáveis e reversíveis, traduzindo-se no mesmo comportamento eléctrico de neurónios biológicos. Este trabalho foca-se na optimização do processo de microfabricação de dispositivos memristivos baseados em óxido de magnésio, tanto em configuração individual como em rede. Dois processos diferentes são implementados: o primeiro, mais completo, onde a junção metal-dieléctrico-metal é definida por litografia óptica e gravura por feixe de iões, e um segundo, mais simples, onde o eléctrodo inferior é delineado primeiro e a junção é definida através da pulverização com magnetrão do dieléctrico e do eléctrodo superior em sobreposição precisa. Microscopia SEM é utilizada para identificar defeitos na fabricação. Um programa de computador é desenvolvido para o controlo de uma fonte de tensão-corrente, com vista à medição dos dispositivos memristivos usando varrimentos de tensão-corrente. Estruturas individuais respeitantes ao processo longo exibem grandes rácios de resistência ON-OFF, de no mínimo 1000. O rendimento deste processo e a duração dos dispositivos é reduzida, respectivamente 43% e menos de 10 trocas completas de estado; estruturas em rede não demonstram melhorias. O segundo processo demonstra melhores resultados; no entanto, a margem para optimização continua ampla., en=In recent years novel computer architectures have been pursued to overcome the limitations of the traditional silicon-based von Neumann paradigm and the imminent end of Moore’s law. A promising alternative is neuromorphic computation, which is based on non-linear, massively parallel, neural-like algorithms, allowing the construction of artificial neural networks. These can be implemented using memristors, fundamental and passive electric components that show reversible and persistent resistance state changes, which translate in similar electric responses to biological neural tissue. In this work we study the optimization of the microfabrication process of individual and crossbar arrays of magnesium oxide-based memristive devices. Each configuration is implemented in two different fabrication processes: a more complete procedure where the main metal-insulator-metal pillar is defined using optical lithography and ion beam milling and a simpler, two-level process where the bottom electrode is patterned first and the junction is defined by magnetron sputtering of the insulator film and top electrode, overlapping precisely with the former. SEM imaging is used to identify defects in the fabricated structures. A computer program is developed to control a voltage-current sourcemeter, to perform automatic voltage-current sweeps with flexible parameters for measurement of memristive devices. Individual structures fabricated with the first process show large ON-OFF resistance ratios of at least 1000, although the process yield and average device endurance are low, respectively at 43% and less than 10 full switching cycles. Crossbar arrays do not show improved performance. The two-step process yields better results, although the margin for improvement is still extensive.}
Keywords: {pt=Memristor, Computação neuromórfica, Óxido de magnésio, Pulverização por magnetrão, Comutação resistiva, en=Memristor, Neuromorphic computation, Magnesium oxide, Magnetron sputtering, Resistive switching}

Discussão: junho 21, 2018, 10:0