Аннотация результатов, полученных в 2022 году
Проект направлен на разработку многоуровневых бесформовочных низковольтных мемристоров в матричном исполнении, которые могут эффективно использоваться для создания плотных массивов мемристивных синапсов и их интеграции с КМОП схемами при построении нейроморных вычислительных систем (НВС). В частности, импульсных (спайковых) нейронных сетей (ИНС), способных реализовать обучение НВС как с учителем, так и без него, на основе биоподобных правил изменения мемристивных весов типа STDP (spike-timing dependent plasticity), приблизив энергопотребление к биологическому прототипу при решении задач искусственного интеллекта (распознавание образов и речи, классификация данных, прогнозирование и т.д.). В свете существующих тенденций в развитии НВС и ранее полученных результатов в проекте было сформулировано четыре крупных и взаимосвязанных направления работ (аннотацию заявки), по которым в 2022 г. проводились интенсивные изыскания. Основные результаты описаны ниже. 1) С использованием плазмо-химического осаждения и ионно-лучевого распыления на SiO2/Si подложках диаметром 51 мм сформированы различные мемристивные матрицы в кроссбар-геометрии на базе структур типа М/НК/Д/М (НК=CoFeВ-LiNbO3, Д= LiNbO3): 10 шт. с числом элементов 16х16 площадью S = 20х20 мкм2, 5 шт. с числом элементов 4х4 (S = 50х50 мкм2) и 6 шт. единичных с различной площадью от 10х10 до 500х500 мкм2. Применение изолирующих конформных слоев Si3N4, полученных методом плазмохимического осаждения, позволило практически полностью подавить паразитные краевые эффекты (токи утечки). При этом отношение сопротивлений мемристивного элемента в высокомном состоянии (Roff) к низкоомному (Ron) составляет около 10, а напряжения переключения не превышает 3В, что делает разработанные мемристивные матрицы перспективными для интеграции с современными КМОП устройствами, работающими при напряжениях 3 В. Элементы кроссбар-матрицы демонстрируют многоуровневый характер резистивных переключений (не менее 9 состояний) при их устойчивости не менее 10^5, а также возможность изменения проводимости по локальным биоподобным правилам типа STDP. Разработана гибридная сверточная нейронная сеть (СНС), состоящая из аппаратного экстрактора признаков на основе созданных матриц нанокомпозитных мемристоров в кроссбар-архитектуре с одним/двумя фиксированными фильтрами и программного классификатора. При 2-х фильтрах такая СНС смогла классифицировать бинаризованный набор данных Fashion-MNIST (изображения предметов одежды) с точностью ~ 84%, которая сравнима с полностью программными и полностью аппаратными (мемристорными) системами. При этом гибридная СНС устойчива к вариациям характеристик мемристоров, а количество обучаемых параметров для гибридной СНС значительно меньше [1]. 2) Выполнены сравнительные исследования эффекта резистивного переключения (РП) одиночных структур металл/нанокомпозит/металл (М/НК/М) и металл/нанокомпозит/LiNbO3/металл (М/НК/LNO/М) на основе НК (Co40Fe40B20)х(LiNbO3)100-х (х = 6-20 %) с наногранулами CoFe размером 2-4 нм, а также структур без слоя НК (М/LNO/М). Обнаружено, что ключевую роль в эффекте РП играет перколяционная проводимость НК и наличие тонкой прослойки LNO. При приближении содержания металла к порогу перколяции структур М/НК/М (xp = 10 ат.%), в структурах со встроенным слоем LNO образуются низкоомные перколяционные наноканалы из гранул, обеспечивающие их стабильные РП, которые, однако, заметно подавляются при уменьшении х относительно xp на величину dх = 1-2 ат.%. Установлено также, что зависимость сопротивления структур в низкомном состоянии Ron зависит от их площади S необычным степенным образом, Ron ~ 1/(S^0.52), что вероятно связано с особенностями проявлением эффектов перколяции в данных тонкопленочных системах [2]. 3) Развита компактная поведенческая модель нанокомпозитного (НК) мемристора на базе НК М/НК/М (Co40Fe40B20)x(LiNbO3)100–x, которая количественно описывает динамику вольт-амперных переключений лабораторных образцов, а также реализует механизмы конечного времени хранения резистивных состояний, учитывает разброс по напряжениям переключения от цикла к циклу и от устройства к устройству. Модель может быть использована при разработке нейроморфных систем с мемристорными синаптическими связями [3]. Основные результаты отражены в статьях: [1] Matsukatova A.N., Ilyasov A.I., Nikiruy K.E., Kukueva E.V., Vasiliev A.L., Goncharov B.V., Sitnikov A.V., Zanaveskin M.L., Bugaev A.S., Demin V.A., Rylkov V.V., Emelyanov A.V. Convolutional neural network based on crossbar arrays of (Co-Fe-B)x(LiNbO3)100−x nanocomposite memristors. Nanomaterials, Vol. 12, 3455-3464 (2022). [2] К.Э. Никируй, А.В. Емельянов, А.Н. Мацукатова, Е.В. Кукуева, А.Л. Васильев, А.В. Ситников, В.А.Демин, В.В. Рыльков. Влияние эффекта перколяции на резистивные переключения конденсаторных структур на базе нанокомпозита CoFeB-LiNbO3. ФТТ, том 64, вып. 11, 1690-1694 (2022). [3] И.А. Суражевский, В.В. Рыльков, В.А. Демин. Компактная поведенческая модель нанокомпозитного мемристора. Радиотехника и электроника (принята в печать).

Аннотация результатов, полученных в 2023 году
Проект направлен на разработку многоуровневых бесформовочных низковольтных мемристоров в матричном исполнении, которые могут эффективно использоваться для создания плотных массивов мемристивных синапсов и их интеграции с КМОП схемами при построении нейроморных вычислительных систем (НВС). В частности, импульсных (спайковых) нейронных сетей (ИНС), способных реализовать обучение НВС как с учителем, так и без него, на основе биоподобных правил изменения мемристивных весов типа STDP (spike-timing dependent plasticity), приблизив энергопотребление к биологическому прототипу при решении задач искусственного интеллекта (распознавание образов и речи, классификация данных, прогнозирование и т.д.). В свете существующих тенденций в развитии НВС и ранее полученных результатов в проекте было сформулировано четыре крупных и взаимосвязанных направления работ (см. форму 1 заявки), по которым в 2023 г. проводились интенсивные изыскания. Основные результаты описаны ниже. 1) Выполнены работы по оптимизации и совершенствованию технологического процесса создания мемристорных кроссбар-матриц 16x16 и отдельных элементов на базе структур металл/нанокомпозит/диэлектрик/металл (М/НК/Д/М; НК=CoFeВ-LiNbO3, Д= LiNbO3) с целью увеличения их сопротивления в низкоомном ON состоянии при сохранении многоуровневого характера резистивных переключений (РП). Важным новшеством в модифицированной технологии являлся способ формирования активного мемристивного слоя с применением взрывной (lift-off) фотолитографии, т.е. без использования теневых масок, когда трудно достичь высокого позиционирования при осаждении НК слоев. Кроме того, при формировании нижних шин-электродов кроссбар-структур были использованы два метода. Первый - обычный с выступающими нижними шинами, а второй способ с шинами, заглубленными в диэлектрический слой, позволяющий более эффективно подавлять краевые эффекты при использовании относительно толстых шин. Проведены предварительные исследования вольт-амперных характеристик (ВАХ) элементов кроссбар-матриц, полученных с использованием взрывной фотолитографии, с выступающими и заглубленными шинами. Показано, что в модифицированном технологическом процессе, основанном на использовании фотолитографических операций, достигаются необходимые их сопротивления в ON состоянии (10-100 кОм) более чем на два порядка превышающие сопротивления металлических шин (30-40 Ом). 2) Продолжались работы по отработке технологии создания планарных пленочных нанокомпозитных образцов на основе НК=(CoFeВ)х(LiNbO3)100-х с использованием взрывной (lift-off) фотолитографии и изучению их транспортных свойств, в основном ниже порога перколяции (x = 40-48 ат.%). В диапазоне температур 3-250 К в полях до 14 Тл была обнаружена сильно немонотонная температурная зависимость магнетосопротивления, которое имеет минимум при 40 K, резко возрастая при понижении температуры. Обнаруженные особенности объясняются разрушением суперферромагнитного упорядочения, процессами упругого со-туннелирования через цепочки гранул и эффектами квантовой интерференции в условиях насыщения намагниченности. Параллельно проводились магнето-оптические исследования пленочных НК (CoFeB)x(LiNbO3)100-x и (CoFeZr)x(Al2O3)100-x в геометрии экваториального (поперечного) эффекта Керра (ЭЭК) в спектральном диапазоне 0.5-4.0 эВ и магнитных полях до 3кЭ. В данных НК были обнаружены переходы от суперпарамагнитного состояния к суперферромагнитному и ферромагнитному при повышении концентрации магнитной компоненты. Эти и другие особенности были описаны в обзоре, посвященном анализу многочисленных факторов, влияющих на величину и спектральную зависимость магнитооптического сигнала экваториального эффекта Керра нанокомпозитов. 3) Разработаны новая топология массивов мемристорных структур разной площади и дизайн их размещения на пластинах SiO2/Si, эффективные как для изучения закона масштабирования, так и для понимания роли токов ветвления (snack current) и краевых токов утечки в функционировании матричных кроссбар-элементов на базе структур М/НК/Д/М. 4) В ходе выполнения проекта реализована простая аппаратная нейроморфная вычислительная сеть (НВС) на основе восьми кроссбар-мемристоров матрицы 16х16, способная классифицировать два вектора: «0101» и «1010». Успешная работа НВС продемонстрирована как для идеальных, так и для «зашумленных» входов, для которых был инвертирован один бит вектора. Найденные мемристивные характеристики были использованы для моделирования сети на основе адаптированной архитектуры MLP-Mixer (миксер многослойных перцептронов), которая продемонстрировала точность классификации (94,7 ± 0,3) % на наборе данных рукописных цифр MNIST. Полученные результаты являются первыми на пути к реализации мемристивной НВС с перспективной архитектурой MLP-Mixer. 5) Разработана модель многофиламентного резистивного переключения (РП) на примере мемристора на основе НК CoFeB-LiNbO3 с использованием явного распределения филаментов по значениям проводимости в приповерхностном тонком аморфном слое LiNbO3 с прыжковым характером транспорта в примесной зоне. Модель хорошо аппроксимирует экспериментальные данные по синаптической пластичности НК мемристора, в частности, по изменению его проводимости по правилу STDP (spike-timing dependent plasticity -пластичность, зависящая от времени прихода импульсов). Полученные результаты открывают перспективы микроскопического изучения РП в МДМ структурах с применением модельных распределений филаментов и обосновывают возможность успешного применения рассматриваемых НК мемристоров в качестве синапсов нейроморфных сетей. 6) Разработана поведенческая модель функционирования мемристорной структуры, характер изменения проводимости которой приближен к реальным образцам мемристора на основе НК (CoFeB)х(LiNbO3)100−x. Показано, что модель количественно описывает динамику вольт-амперных переключений лабораторных образцов, а также реализует механизмы конечного времени хранения резистивных состояний, разбросов по напряжениям переключения от цикла к циклу и от устройства к устройству. Проведены сравнительные запуски импульсного нейросетевого алгоритма 4-к-1 (4 пресинаптических нейрона, один постсинаптический) с мемристивными синаптическими связями как на основе разработанной модели, так и на основе модели VTEAM. Показано минимальное различие в работе алгоритмов. 7) Разработан технологический маршрут интеграции массива нанокомпозитных мемристоров с КМОП транзисторным управляющим слоем для создания микроустройства типа BEOL/FEOL с использованием, имеющейся в России технологической базы. 8) С использованием технологий магнетронного осаждения и термического напыления синтезированы мемристивные структуры Сr/Cu-Ag/a-Si/естественный оксид SiOx/p++-Si, обладающие повышенной устойчивостью к резистивным переключениям (более >104 циклов записи/стирания), что на несколько порядков выше, чем сообщалось ранее (H. Yeon et al., Nat. Nanotechnol. 15, 574 (2020)). При этом структуры демонстрируют многоуровневый характер переключений при токах потребления до 1 мкA и обладают временем хранения резистивных состояний не менее 10 мин. ПУБЛИКАЦИИ ПО ПРОЕКТУ По результатам второго года выполнения проекта опубликовано 5 статей в журналах, индексируемых в WoS, одна из которых в журнале Письма в ЖЭТФ из Q2. Одна статья принята недавно к печати в журнале Nanoscale Horizons из Q1.