Оптоэлектронные синаптические мемристивные кроссбар структуры для создания in sensor нейроморфных структур машинного зрения электронной компонентной базы робототехнических комплексов и систем

В настоящее время интеллектуальные системы применяются практически во всех сферах жизнедеятельности, включая здравоохранение, образование, безопасность, и т.д. Нейронные сети превосходят классические алгоритмы в задачах, связанных с неточно заданными зашумленными данными, такими как распознавание образов, прогнозирование состояния здоровья, предсказание погодных условий. На сегодняшний день такие сети обычно реализуются в виде программного обеспечения на вычислительных системах с архитектурой Фон-Неймана. Однако, скорость работы таких алгоритмов ограничена из-за необходимости постоянного обмена большими объемами данных между процессором и памятью, что создает "узкое место" в архитектуре. Из-за роста потребности в высокопроизводительных вычислениях архитектура фон Неймана становится все менее эффективной. Перспективным решением данной проблемы является разработка и аппаратная реализация нейроморфных вычислительных систем на основе мемристивных элементов. В такой системе обработка данных не сосредоточена в центральном процессоре, процессор и память интегрированы в единое устройство, что позволяет выполнять этапы обработки параллельно, а не последовательно. В этом случае элементы нейроморфной системы могут быть реализованы с помощью мемристивных структур, способных переключаться в широком диапазоне электрического сопротивления, аналогично весу биологического синапса. Помимо малого размера и вычислительной эффективности, энергонезависимая природа мемристивных структур позволяет значительно снизить энергопотребление. Кроме того, интегральные схемы на основе мемристоров могут использоваться как для цифровых, так и для аналоговых вычислений. Комплексные решения на основе сочетания мемристорных структур с датчиками различного типа позволяют реализовывать большое количество систем восприятия (зрение, слух, тактильная система) робототехнических комплексов. Массив датчиков преобразует внешние воздействие в электрические сигналы, которые передаются на синаптическую мемристорную структуру и таким образом реакция робототехнической системы схожа с реакцией биологоческой системы, характеризующейся высокими эффективностью и быстродействием. Успехи, достигнутые в области материаловедения, позволяют получать новые типы мемристивных материалов с улучшенными и биосовместимыми параметрами. Наблюдается большой интерес к разработке различных носимых и имплантируемых устройств обработки информации в медицинских устройствах и элементах портативной электроники. Тем не менее, многие из перечисленных выше направлений все еще остаются на стадии исследований, и в настоящее время проводится значительный объем исследований по разработке подходов к созданию мемристивных материалов с улучшенными параметрами, а нейроморфные системы еще проходят эволюционную стадию лабораторных исследований. Актуальной задачей является исследование и установление закономерностей процессов получения оксидных материалов, поскольку ими определяются параметры изготавливаемых нейроморфных структур. Проведенные на сегодняшний день исследования большого количества оксидов материалов позволяют изготавливать отдельные элементы нейроморфной структуры, в то время как создание коммерчески доступных образцов мультисенсорных устройств на основе мемристорных кроссбаров на одном кристалле в виде интегральной схемы требует комплексного решения ряда технологических задач, связанных с оптимизацией процесса получения пленочных структур на основе оксидных материалов. Научная новизна проекта заключается в разработке и исследовании физико-технологических основ создания и аппаратной реализации мемристорных структур на основе нанокристаллических пленок оксидов металлов (ZnO, TiOx, CuOx) для интеллектуальных систем машинного зрения робототехнических комплексов и изготовлении на их основе элемента нейроморфной структуры на кристалле, что в дальнейшем позволит реализовать архитектуру искусственного интеллекта в виде интегральной микросхемы.