Аппаратная реализация систем резервуарных вычислений и распознавания образов на базе детерминированных и стохастических органических мемристивных систем

Развитие нейроморфных вычислительных сетей (НВС) на базе мемристоров в основном обусловлено надеждой воспроизведения чрезвычайно низкого энергопотребления и высокой вычислительной эффективности биологических систем при решении когнитивных задач. Одними из наиболее востребованных и изучаемых типов НВС на основе мемристоров являются глубокие нейронные сети. Обучение в этих сетях обычно основано на алгоритмах обратного распространения ошибки различного типа, эффективная реализация которых затруднена из-за необходимости глобального метода для расчета обновления весовых связей и требования к мемристорам с высокой воспроизводимостью характеристик. Существует подход на базе резервуарных вычислений, позволяющий снизить размерность пространства входного сигнала путем его нелинейного преобразования и тем самым сократить число необходимых синаптических связей. Для реализации систем с резервуарными вычислениями необходимы мемристоры как с коротким, так и с длительным временем хранения состояний. В данной работе предлагается создать НВС на базе органических мемристивных структур на основе полианилина и поли-пара-ксилилена с внедренными наночастицами.